卷積與池化層區別&YOLOV3三問三答

卷積神經網絡由卷積核來提取特徵，通過池化層對顯著特徵進行提取，經過多次的堆疊，得到比較高級的特徵，最後可以用分類器來分類。 CNN整個的計算過程，最重要的有兩點：組合性和局部不變性（平移、旋轉、尺度放縮）。 組合性： 每個卷積核可以看做某種特徵的提取器。所謂組合性就是將卷積核提取的一些簡單特徵進行組合，得到更高級的特徵。比如圖像的人臉分類：        第一個卷積層，可能只是從原始圖像像素中學習

>>阅读原文<<