卷积层的输出实际上意味着什么？

Question

我想了解卷积神经网络，我正在看这个视频。 https://www.youtube.com/watch?v=FmpDIaiMIeA

我的印象是，当滤波器绕输入卷积时，每个点的输出表示特征与输入匹配得有多紧密。

然而，在这段视频中6:56显示了一个例子，其中7/9像素匹配（〜78％）视频中的输出为55％，与所用的叉积方法相匹配，但远不及78％我期望。另外，如果一个过滤器正在寻找每个像素为0的输入中的位置，那么在conv-layer中使用交叉产品将无济于事。每个输出将乘以0，因此无法确定模式发生的位置。

如果任何人都可以告诉我我错过了那很棒！

在此先感谢您的帮助。

Answer 1

首先，7个像素匹配和2个相反。所以你有（7-2）/ 9这是55％。它是特征与输入匹配程度的一种度量，但它不仅仅是匹配所有比较的总和（例如在视频中可以有负数据）。

我不确定你的第二个问题。卷积层的输出是特征映射。每个特征图都是使用特定过滤器对前一图层进行卷积的结果。因此，每个输出的地图不仅仅是一个位置。

但是，几乎总是有不相关的输入部分。