目录

一、CNN特点

二、CNN应用于图像分类

（一）使用过滤器

（二）通过ReLU激活函数

（三）应用新的滤波器（池化）

（四）输入 

（五）输出（分类出⚪和❌）

---

一、CNN特点

 

二、CNN应用于图像分类

（一）使用过滤器

滤波器（Filter）和卷积核（Convolution Kernel）在深度学习和图像处理中通常是同义词。

在CNN中，过滤器是3×3的正方形，每个像素强度由反向传播确定（即刚开始随机，然后反向传播得到最佳过滤器）。

使用滑动滤波器逐一与输入卷积，并添加偏置项得到特征图。

注意：由于特征图的每个单元格对应一组相邻像素，因此特征图有利于利用图像中可能存在的任何相关性。

（二）通过ReLU激活函数

（三）应用新的滤波器（池化）

最大池化将区域减少到一个过滤器发挥最佳作用的地方匹配输入图像。

（四）输入 

（五）输出（分类出⚪和❌）