说明 CNN 关键组件职责与感受野含义。
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。
题目与答案就在本页;收藏、批注和错题重练在应用内