[人工智能]全连接层介绍

讲解视频
参考文章
卷积层模仿人的视觉通路提取特征，全连接层一般负责分类或者回归，由于全连接层会丢失一些特征位置信息，所以最近FCN火了起来，全部卷积层，不用全连接层。
全连接层的作用：高维特征映射到低维空间。
新手个人理解：从名字出发，卷积层提取的是局部特征，全连接就是把以前的局部特征重新通过权值矩阵组装成完整的图，因为用到了所有的局部特征，所以叫全连接。
1.全连接层可以视为一种特殊的卷积
考虑下面两种情况：
1.特征图和全连接层相连，AlexNet经过五次池化后得到77512的特征图，下一次全连接连向4096个神经元，这个过程可以看作有4096个77512的卷积核（每个神经元都可以看成一个77512的卷积核）和77512的特征图进行卷积操作，如果找到对应的特征值，该神经元便会激活。
最后小结一下：
（1）卷积是从一小块图像区域中提取出特征值来表示这一小块区域的内在特征（或者说内在含义）。
（2）池化是将相临的多个特征用一个特征来代替，压缩特征维度。
（3）全连接层是用来寻找所要辨别物体的特征。