A.圖像分類
B.圖像復(fù)原
C.畫面拼接
D.目標(biāo)檢測

A.AlexNet 中用到了一些非常大的卷積核，比如11×11、5×5卷積核，卷積核越大，receptive field（感受野）越大，看到的圖片信息越多，因此獲得的特征越好，因此，卷積核應(yīng)該越大越好
B.3×3卷積核被廣泛應(yīng)用在各種模型中
C.多個小的卷積核疊加使用要遠(yuǎn)比一個大的卷積核單獨(dú)使用效果要好的多，在連通性不變的情況下，大大降低了參數(shù)個數(shù)和計(jì)算復(fù)雜度
D.卷積核也不是越小越好，對于特別稀疏的數(shù)據(jù)，當(dāng)使用比較小的卷積核的時候可能無法表示其特征，如果采用較大的卷積核則會導(dǎo)致復(fù)雜度極大的增加?？偠灾?，我們應(yīng)該選擇多個相對小的卷積核來進(jìn)行卷積