IT 面试题库

卷积神经网络(CNN)中卷积层、池化层、感受野分别起什么作用?

中级简答题计算机视觉工程师CV深度学习工程师CNN卷积感受野池化

题目

说明 CNN 关键组件职责与感受野含义。

参考答案

内容深度:基础 · 无代码示例 · 来源:外部链接 · 未复核 · 72 天前更新 · 技术内容可能随版本变化,建议结合官方文档理解

卷积层:用可学习的卷积核在图像上滑动提取局部特征(边缘→纹理→部件→语义),权值共享大幅减少参数。

池化层:对特征图下采样(最大/平均池化),降低分辨率与计算量、提供平移不变性。

感受野:输出特征图上一个点对应的输入图像区域大小,越深层感受野越大,对应更全局的语义。现代 CNN(ResNet 等)靠堆叠与步长积累感受野。

练这道题

同分类 · 高频题

题目与答案就在本页;收藏、批注和错题重练在应用内

这道题看完了?连刷同类题,趁热打铁效果最好 进入刷题