卷积层的输出实际上意味着什么?

时间:2017-08-14 03:03:56

标签: machine-learning neural-network deep-learning conv-neural-network convolution

我正在尝试学习卷积神经网络,我正在看这个视频。 https://www.youtube.com/watch?v=FmpDIaiMIeA

我的印象是,当过滤器围绕输入进行卷积时,每个点的输出表示该特征与输入的匹配程度。

然而,在6:56的视频中,显示了7/9像素匹配(~78%)的示例,视频中的输出为55%,与所使用的交叉产品方法相匹配,但远不及78%I预期

此外,如果过滤器在输入中寻找每个像素为0的位置,那么在转换层中使用交叉积将是没有用的。每个输出都会乘以0,因此无法确定模式发生的位置。

如果有人能告诉我我错过了什么会很棒!

提前感谢您的帮助。

1 个答案:

答案 0 :(得分:0)

首先,7个像素匹配,2个相反。所以你有(7-2)/ 9这是55%。它衡量的是功能与输入的匹配程度,但它不仅仅是所有比较中匹配的总和(例如,在视频中你可以得到负数据)。

我不确定你的第二个问题。卷积层的输出是特征映射。每个要素图都是使用特定过滤器对前一层进行卷积的结果。因此,输出的每个地图不仅仅看一个位置。

但是,几乎总是你有不相关的输入部分。