我读了很多有关卷积网络的文章，但我仍然想念一个重要的部分。
假设我们有一个带有32个滤镜的conv2D层：
我知道这些过滤器权重是在开始时随机初始化的，在训练过程中会形成这些过滤器。 因此，在第一层，它们开始检测边缘。
现在，在池化之后，我们有了另一个转换层（再说32个过滤器），它将对上一层的结果应用过滤器。
因此，第2层将对第一层的这32个输出中的任何一个应用32个过滤器。 我看到了许多这些特征贴图的示例：第一层产生边缘的图片，第二层产生形状，耳朵，鼻子等。 我的问题是这怎么可能？
如果第2层在第1层结果上应用了过滤器，而第1层结果是边缘，那么如何从边缘获得表单？
我在这里显然错过了一些事情，请帮助我理解卷积网中的下一层如何使用上一层（线条和边线只是特征）的上一层来生产更丰富的特征，例如形状，眼睛，面部？
在我丢失的过程中是否存在一些信息合并？或者更多？
预先感谢
答案 0 :(得分：2)
简单示例：假设您尝试区分简单的几何形式。例如。钻石制成的矩形。
在第一层上，您具有各种边缘检测器。当他们检测到水平边缘时会触发某些事件，当它们检测到垂直边缘时会触发某些事件，而当看到对角线边缘时就会触发其他事件。
第二层现在可以将这些输入组合成更复杂的形状。 因此，如果在第一层检测到垂直边缘和水平边缘，则会触发一个过滤器/检测器。这是矩形的过滤器。
当第一层检测到对角线边缘时，另一个滤镜将触发。这是钻石的过滤器。
您可能会让自己熟悉卷积层的尺寸和输出。
Input = W1xW1xD1
Output:
W2 = (W1 - F + 2P)/S + 1
D2 = K
Terminology: K = Number of Filters, F= Spatial Size of Filter, P=ZeroPadding, S=Stride
您可能会发现这很有帮助：