如何在CNN中为过滤器分配功能？ （或者它被分配了吗？）

Question

假设第一个conv层有32个大小为5x5的过滤器，步幅为1。

model.add(Conv2D(32, (5, 5), input_shape=input_shape))

让我们说图像大小为32x32x3（channesl）。因此，当滤镜与图像的一部分卷积时，它是否已经在寻找特定的特征？我知道滤波器矩阵是用随机数初始化的。但他们是否已经有了他们想要的目的？你能解释一下在CNN中如何检测到功能吗？

Answer 1

卷积层的目标是过滤。当我们在图像上移动时，我们会有效地检查图像该部分中的图案。之所以起作用，是因为过滤器，以向量表示的权重堆栈乘以卷积输出的值。训练图像时，这些权重发生变化，因此当需要评估图像时，这些权重将返回高值如果它认为自己看到的是以前见过的模式。来自各种过滤器的高权重组合使网络可以预测图像的内容。

因此，当滤镜与图像的一部分进行卷积时，首先，它不知道它是否是特征，通过训练和更改权重，滤镜可以适应图像中的特征，从而使损失功能应该与基本事实保持最低限度。初始化的原因是我们将更改权重，以使预测值尽可能地接近给定标签。