1. 池化层: 重要な情報を抽出し、重要でない情報を削除し、パラメータを削減し、計算オーバーヘッドを削減し、過剰適合を防止します。
2. 全连接层（FC）: 畳み込みニューラル ネットワーク全体で「分類器」として機能します。
3. 激活函数: ニューロンに非線形要素を導入し、ネットワークの表現能力を向上させます。
4. backbone:主干（骨干）网络は、一般的に特徴を抽出するネットワークを指し、その機能は、後続のネットワークで使用するために画像内の情報を抽出することです。
5. 反向传播: バックプロパゲーションでは、ネットワークの動きは逆方向であり、誤差は外層から勾配を持って流入し、隠れ層を通過し、重みが更新されます。
6. 超参数: 学習によって得られるパラメータデータではなく、学習処理を開始する前に値が設定されるパラメータです。
7.normalization：データ指標間の比較可能性を解決するためのデータ標準化処理。
Batch Normバッチでは、各単一チャネルの入力を正規化します。
Layer Normチャネルの方向では、各深さの入力を正規化します。
8. MLP: 中国名は多层感知机、その本質はニューラル ネットワークです。これは主に、単層パーセプトロンでは解決できない非線形問題を解決するために提案されています。詳しいブログ紹介
変成器
