因为它们感受野相同。 这样做有什么好处呢? 1、增加网络层数,层之间可以加入激活函数,增加了网络的非线性表达能力。 2、参数更少,2个3*3的卷积核有18个参数,1个5*5的卷积核有25个参数。
主要原因很简单，因为两个3x3的卷积核的感受野的大小刚好是5x5。放张图你就明白了，截取自Google的Incep...
不然其实一层3*3的卷积层在padding=0，stride=1的时候就已经覆盖原始5*5区域了。
并联就是卷积的分配律，串联就是卷积的结合率 两个卷积并联能提高准确率吧，就像信号系统里的输入x(t)...
主要原因很简单，因为两个3x3的卷积核的感受野的大小刚好是5x5。放张图你就明白了，截取自Google的...
如果不padding的话，图像会越卷越小，（padding了 stride大于1的话也会变小）卷到尺寸只剩1by1了，那...
看每一层平移之后就可以了 3*2-1 = 5 3*3 - 2 = 9
学一个信号与系统就懂了（
看这个链接,相信很说的很清楚了
卷积和卷积核在机器视觉中的方法