神经网络理论及应用实践 课件 7.2 Conv Layer.pptxVIP

卷积神经网络：卷积层主讲人：张洁北京工商大学计算机与信息工程学院

2026/10/11BTBU-CIE2本节提要卷积层功能概述卷积映射与传统人工神经元的类比分析

卷积层基本CNN滤波器（卷积核）输入图像3通道输入图像输出结果滑动的卷积核

2026/10/114卷积层卷积核：待训练的滤波器（filters），各滤波器维度在空间上适应输入图像数据。滤波器（卷积核）输入图像3通道4卷积：卷积核与局部图像区域的点乘运算e.g.5×5×3维度的点乘+1偏置62828卷积操作：以滑动的方式在图像的空间维度上进行，计算滤波器和图像邻域的点乘之和。输出结果：三维的空间矩阵，包含多个激活映射图（map），每个图是卷积层在图像各位置的响应。

2026/10/115卷积操作每个不同的滤波器均可卷积出一个激活映射图2个5×5×3的滤波器卷积出2个激活映射图

2026/10/116卷积操作假设采用6个5×5的滤波器，输出6个单独的激活映射图累积所有的激活映射图，即为维度28×28×6的新图像6个5×5的滤波器

2026/10/117卷积操作卷积计算后跟随非线性激活函数，增强映射能力非线性激活

2026/10/118卷积计算的神经元类比分析每个输出的三维立体神经元均为局部输入图像的转换映射各三维立体神经元与输入层的局部区域发生连接各三维立体神经元之间共享滤波器参数

2026/10/119卷积