卷積神經網絡中的濾波向量及其層函數

Question

對於圖像識別，我沒有得到關於濾波向量及其層函數的信息。 許多文章提到了類似的想法：“ ...從第一層的原始像素中檢測邊緣，然后使用邊緣在第二層的簡單形狀中檢測...”，還有一些文章寫道：“過濾器是隨機初始化的並在訓練過程中自動從數據中學習。”

我的問題是，如果在CNN中沒有按順序排列濾鏡值（即從隨機學習的值），我們怎么知道CNN（總是？）首先學習邊緣，並在第二層檢測形狀，等等。 。？ 非常感謝你！

Answer 1

如果從任意值（我知道它們是任意值）獲知濾波器矢量，那么CNN似乎總是如何從邊緣，形狀等中學習圖像？ 看起來CNN可以找到自己的方式（或說是模式？）來按順序排列過濾矢量。 我的猜測是，“過濾池”過程會調整原始圖像的大小，因此CNN會以其分層性質學習圖像特征。