我看到过这样的说法:CNN 的更深层次可以学习识别更复杂的特征。这通常附带一张早期过滤器识别直线/简单曲线的图片，以及后期过滤器识别更复杂图案的图片。它具有直观意义:您距离数据越远，您对数据的理解就越抽象。不过，这有理论解释吗？
最佳答案
一种非常接近直观方法的方法是查看每一层的感受野:
如果第一个卷积层的内核大小为 3x3，则感受野大小为 9，以特征图中的一个(标量)值表示。
如果你的第二个卷积层现在也有一个 3x3 的内核大小，那么你又拥有一个大小为 9 的感受野。但是现在感受野中有什么？它是上一层特征图的 9 个值。现在，每个值都有一个来自输入层的 9 个值的感受野，如前所述。
如果您现在从第二个卷积层的特征图回顾到输入层，与从第一个卷积层的特征图到输入层查看相比，您将拥有更宽的感受野。
因此，在第二个特征图中，您将自动考虑更抽象的特征，因为输入层中的感受野更大。您可以在下图中很好地看到这一点，只需将“Map 1”视为输入层，“Map 2”作为第一个Conv-Layer的特征图，“Map 3”作为第二个Conv-Layer的特征图.
您可以在CS231-course中找到有关感受野的更多详细信息。关于 CNN:
关于machine-learning - 对于更深层次的 CNN 层学习更复杂的特征，是否有理论解释/量化？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59341328/