2、卷积核,感受野
在卷积神经网络中,感受野的定义是 卷积神经网络每一层输出的特征图(feature map)上的像素点在原始图像上映射的区域大小。
原始输入为5*5大小,使用一个5*5大小的核,处理它,得到的结果为1*1大小, 卷积核参数为25。
原始输入是5*5大小,使用两次3*3大小的核,处理它,得到的结果为1*1大小,卷积核参数为9 * 2 = 18。
也就是说,2层3*3的卷积核,可以替代一个5*5的卷积核。
感受野大小计算:
https://zhuanlan.zhihu.com/p/35708466
第 层的感受野大小计算如下:
其中 是第 层的感受野大小,而 是当前层的卷积核大小, 是第 层的步长。
1x1卷积核:https://zhuanlan.zhihu.com/p/40050371
当1x1卷积核的个数小于输入channels数量时,起到降维的作用。当输入为6x6x32时,1x1卷积的形式是1x1x32,当只有一个1x1卷积核的时候,此时输出为6x6x1。
1x1卷积一般只改变输出通道数(channels),不改变输出的宽度和高度,可以实现跨通道的信息交互。