卷积神经网络之卷积计算、作用与思想

卷积神经网络结构分析

卷积神经网络-感受野和全零填充

ResNet50模型的复现详解
https://blog.csdn.net/weixin_44791964/article/details/102790260

详解残差网络
https://zhuanlan.zhihu.com/p/42706477
//www.greatytc.com/p/93990a641066

卷积神经网络(卷积层，激活函数Relu,池化层，计算公式及API解释)
https://blog.csdn.net/wei18791957243/article/details/84258875

卷积神经网络有三种层：卷积层、池化层和全连接层（Convolutional Layer, Pooling Layer, 及 Fully-Connected Layer）。

1. 深度，depth，这是过滤器的数量决定的。
2. 步长，stride，每次滑动的间隔，上面的动画每次只滑动1个数，也就是步长为1.
3. 补零数， zero-padding，有时候根据需要，会用零来拓展图像的面积，如果补零数为1，变长就＋2，如下图中灰色的部分就是补的0

当输入为m×n×c时，每个卷积核为k×k×c，即每个卷积核的通道数应与输入的通道数相同（因为多通道需同时卷积），输出的特征图数量与卷积核数量一致，这里不再赘述。

w是输入的尺寸，
f是过滤器的尺寸，
p是补零的尺寸，
s是步长

image.png

如何理解空洞卷积
如何理解空洞卷积（dilated convolution）？ - 知乎 (zhihu.com)

点乘和叉乘
https://www.zhihu.com/question/21080171

部分亲和字段PAF
https://zhuanlan.zhihu.com/p/79594205?from_voters_page=true
https://blog.csdn.net/hjxu2016/article/details/111035439
https://blog.csdn.net/candice5566/article/details/103389960
https://blog.csdn.net/hzw9806/article/details/89526389
https://blog.csdn.net/ming6383/article/details/106054852