卷积神经网络各层的意义与作用是什么

1、卷积神经网络结构基本单元层有哪些？

输入部分：生成初始的特征图；执行卷积操作以提取图像细节；使用池化操作缩减数据维度；中间处理模块（如ReLU等简单而有效的激活函数）有时会省略；这些模块在设计中是可以重复使用的；全连接结构将提取出的所有特征图整合成一个向量表示；最后分类单元将得到的向量映射到目标类别标签上。

谷歌人工智能写作项目：小发猫

2、卷积神经网络每层提取的特征是什么样的

卷积神经网络是由多层次的神经网络构成的，并且每一层都包含多个二维平面构成。然而每个平面则包含许多独立的神经元

图中展示了卷积神经网络的概念图：输入图像经过与三个可训练的滤波器及可加偏置进行卷积操作后形成输出特征。如图所示的过程，在经过滤波后于C1层生成了三个特征映射图。接着，在每个特征映射中取四个像素点计算其加权后的数值并累加这些值后再加入固定偏置项并通过Sigmoid函数处理后得到了三