我读了很多关于convnets但我仍然怀念一个重要组成部分。
比方说，我们有32个过滤器conv2D层：
据我所知，这些过滤器的权重都在开始，并在训练过程中形成这些过滤器随机初始化。因此，在第一层便开始检测边缘。
现在，汇集我们有另一个CONV层后（让我们再一次说32层的过滤器），这将适用于前一层的结果过滤器。
所以层2将适用于任何从第一层中的这些32个输出的32层的过滤器。我看到了这些特征地图这样的例子很多：边缘的第一层出示图片，下一层画面的形式，耳，鼻等上。我的问题是，这怎么可能？
如果第2层上的应用层1的结果和第1层的结果过滤器边缘再怎么你从边缘的形式？
我清楚地错过了什么在这里，请帮助我了解如何可能在CONV净生产更丰富的功能，如表格，眼睛，如果它使用的生产从以前的层，在那里的功能只是线条和边缘面对每下一层？
有一些信息我丢失或者更多的东西的过程中合并？
提前致谢
简单的例子：假设您尝试区分简单的几何形状。例如。从钻石的矩形。
在第一层，你有不同的边缘检测。当他们检测水平边缘有些火，有的时候他们检测垂直边缘和其他一些人，当他们看到对角边缘。
第二层现在可以这些输入组合以更复杂的形状。因此，如果在第一层上检测到垂直边缘和水平边缘一个过滤器/检测器将闪光。这是矩形过滤器。
当第一层告诉它检测到的对角边缘的另一种过滤器会火。这是钻石的过滤器。
你可能让自己熟悉的尺寸和卷积层的输出。
Input = W1xW1xD1
Output:
W2 = (W1 - F + 2P)/S + 1
D2 = K
Terminology: K = Number of Filters, F= Spatial Size of Filter, P=ZeroPadding, S=Stride
你可能会有所帮助：