← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 9852.d · 生成模型:Hunyuan

加深网络扩大感受野

理解等级:中级

加深网络有两个主要好处:减少参数数量、扩大感受野。感受野指特征图上每个像素点映射回输入图片的区域大小,层数越多,一个特征所覆盖的输入信息越多,例如 s3 就能表达 x1 到 x5 的信息。叠加层还引入基于激活函数的非线性,使网络能表现更复杂的内容。不同层提取的特征层次不同:前层多为颜色、边缘等简单特征,越往后越抽象为复杂几何形状,从而完成逐层抽象。这也呼应了 [[卷积神经网络整体架构]] 的堆叠设计。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第3章 计算机视觉处理 · 查看原书依据

      感受野是指卷积神经网络每一层输出的特征图(Feature Map)上的像素点在输入图片上映射的区域大小。通俗点说,感受野是特征图上每一个点对应输入图上的区域

    参考来源

    - 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第3章 计算机视觉处理(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter6_0001.xhtml) - 结论依据:原文给出感受野的定义与映射解释,并说明叠加层带来非线性表现力、层数越高特征越复杂。 - 原始内容:感受野是指卷积神经网络每一层输出的特征图(Feature Map)上的像素点在输入图片上映射的区域大小。通俗点说,感受野是特征图上每一个点对应输入图上的区域