本文重點(diǎn)
上一節(jié)課程中我們學(xué)習(xí)了單卷積層的前向傳播，本次課程我們構(gòu)建一個(gè)具有三個(gè)卷積層的卷積神經(jīng)網(wǎng)絡(luò)，然后從輸入（39*39*3）開始進(jìn)行三次卷積操作，我們來看一下每次卷積的輸入和輸出維度的變化。
第一層
第一層使用3*3*3的過濾器來提取特征，那么f[1]=3，然后步長s[1]=1,填充p[1]=0，也就是高度和寬度使用valid卷積。那么如果在l=1層我們使用10個(gè)過濾器，那么本層的輸出圖像的維度是37*37*10，這是第一層激活值的維度。
?
第二層
第一層的輸出（37*37*10）作為第二層的輸入，第二層我們使用5*5*10的過濾器，也就是f[2]=5,l=2層使用步長s[2]=2,填充p[2]=0,然后本層使用20個(gè)過濾器，那么本層的輸出為17*17*20，（37+0-5）/2+1=17，這是第二層激活值的維度。文章來源：http://www.zghlxwxcb.cn/news/detail-683796.html
第三層
第二層的輸出（17*17*20）作為第三層的輸入，第三層我們使用過濾器為5*5*20，f[3]=5,s[3]=2,p[3]=0,然后本層使用40個(gè)過濾器，那么最終的輸出圖像的維度為7×7×40，（17+0-5）/2+1=7，這是第三層激活值的維度。文章來源地址http://www.zghlxwxcb.cn/news/detail-683796.html
到了這里，關(guān)于計(jì)算機(jī)視覺：深層卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)建的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
![計(jì)算機(jī)視覺與深度學(xué)習(xí)-卷積神經(jīng)網(wǎng)絡(luò)-卷積&圖像去噪&邊緣提取-圖像去噪 [北郵魯鵬]](https://imgs.yssmx.com/Uploads/2024/02/732098-1.png)
