Deep Learning6: Convolution and pooling

 

卷积和池化都是针对大规模图像数据进行处理，提高运算效率

1.Convolution

在大图片中截取小图片patch，对每个patch提取特征，卷积后得到convolved feature.

隐藏层的每个节点对应一个特征值

large r \times c images xlarge

small a \times b patches xsmall

f = σ(W(1)xsmall + b(1))

fs = σ(W(1)xs + b(1))

最后卷积得到convolved feature

fconvolved   是一个k \times (r - a + 1) \times (c - b + 1)的矩阵

2. Pooling

对convolved feature选取pooling region，取特征均值或最大值

posted on 2016-10-13 17:50  Beginnerpatienceless  阅读(162)  评论(0)  编辑  收藏  举报