卷积神经网络(特征提取)
一、可以完成的任务
1.检测任务
2.分类与检索
主要工作还是进行特征的提取。
3.超分辨率重构
4.医学任务等（OCR文字试别）
5.无人驾驶（就是识别前方道路）
6.人脸识别
区别：卷积网络与传统网络的区别
; 整体框架
二、卷积层
1.卷积层做了什么事
; 2.卷积特征值计算方法
（蓝色和红色的）对应位置相乘！ 然后相加获得。
最终获得特征图表示
卷积中可以堆叠卷积
率比较慢。在文本卷积中，步长并不一定；
尺寸与卷积核大小对结果的影响：尺寸越小，提取的特征越丰富；
边缘填充：（ 最外围的数据用的比较少，通过在最外围外面在添一圈零，减少数据的损失！）
卷积核个数：（最终得到的特征图）
三、池化层（simple压缩，宽高减少）
每个位置把最大的取出来（即筛选，但是channel层次不变）
平均池化 即计算出平均特征取出！！
两次卷积，一次池化！主要是进行特征的提取。
最后完成转化为向量 实现分类结果的是全连接层！
Original: https://blog.csdn.net/weixin_51516836/article/details/123710184
Author: GraysonCheng
Title: NLP-CNN
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/530215/
转载文章受原作者版权保护。转载请注明原作者出处！