在观看了以下精彩视频后：https://www.youtube.com/watch?v=LxfUGhug-iQ，我对如何应用滤波器以及不同CNN的架构有了很好的理解。我还观看了其他一些视频并阅读了论文，但我的理解仍然不够深入，希望有人能帮助我更好地理解这些内容。
我们学习了在图像上滑动滤波器的不同方法。现在，这个获取点积的过程，是用于训练CNN还是用于已训练滤波器的识别？还是在训练和识别中都使用？
在上面的图像中，那些滤波器是否已经训练过了？我理解白色代表滤波器的激活，但最后一列是否应该向我传达一些信息？
如果图像中有5个结果如图所示，是否某些滤波器（行）是专门设计来检测图像的某些属性的？（例如，第2个滤波器寻找轮胎，第3个滤波器寻找车头灯，第4个滤波器表示马蹄）。所以例如，上面的图像有轮胎和车头灯，所以这两个滤波器的映射很强？
回答：
因此，回答你的问题如下：
- 点积在训练和识别阶段都使用。在每次使用卷积网络时，计算点积是核心操作——它是计算网络内部和最终值的必需步骤。
- 该图像展示了在计算与图像的某些部分或前一层输出的点积后，不同滤波器的激活情况。它们被转换为灰度图像并打印出来，以显示训练阶段后每个滤波器的用途。请注意，每经过一层，图像的分辨率都会比前一层低，并且更难理解它们可能编码的内容。它们只是显示每个滤波器在哪里被激活——具体激活什么取决于我们的解释。
- 在该图像中，你可以看到网络末端的FC层。这意味着在卷积阶段之后，计算会在全连接层中进行，这些层被设计来学习和识别滤波器中对分类阶段有帮助的特定模式。可以把这部分看作是一个专家，他观察哪些滤波器被激活（以及在哪里），并决定图像的类别。
