课程拆分-介绍课之四2：卷积神经网络-卷积篇

shaoheshaohe

本课程继续介绍卷积神经网络的知识。近年来，卷积神经网络的架构、卷积形态、网络组件，都取得了巨大的发展与进步。与全连接相比，卷积操作具有参数量少、局部性好、与输入尺寸无关、可并发等优势。凡事皆有两面性，卷积的优势有时也会成为劣势。为了进一步的提升表达能力、增大卷积感受野、降低多特征图的信息冗余、提升并行计算能力等，先后出现了小卷积核、空洞卷积、可分卷积、组卷积、可变卷积等形态。除了图像与视频，卷积神经网络在自然语言处理、语音信号处理等领域也有广泛的影响。本课程是对卷积的系统性介绍，通过学习将对卷积有深入的理解并可在实际工作中灵活选择。

对卷积的再理解
经典卷积的缺点分析
卷积的新形态
更多领域的卷积神经网络
小结