深度学习(7)卷积神经网络
目录
一、卷积神经网络
1、卷积层:提取图像底层特征
2、池化层:防止过拟合,且将数据维度减小
3、全连接层:汇总卷积层和池化层得到的图像的底层的特征和信息
4、最后进行输出
二、卷积
1、感受野
2、外层补零(padding)
2、特征图(结果图)
3、三维卷积
卷积核应用
1、平均卷积核(模糊)
2、锐化卷积核(边缘检测)
三、池化
池化作用
最大池化与平均池化
四、全连接层
五、卷积网络(过程)
图像卷积神经网络
1、卷积(提取特征)
2、池化(防止过拟合)
3、全连接
一、卷积神经网络
1、卷积层:提取图像底层特征
2、池化层:防止过拟合,且将数据维度减小
3、全连接层:汇总卷积层和池化层得到的图像的底层的特征和信息
4、最后进行输出
二、卷积
提取特征。
1、感受野
感受野:卷积核光顾到的地方 。(感受到的视野)
2、外层补零(padding)
外层补0,防止原来最外层的元素访问次数过少。(中间的访问次数最多)
2、特征图(结果图)
原图和卷积核做卷积,得到结果(特征图):
有多少个卷积核就有多少个feature map 。
3、三维卷积
三维图像卷积(立体卷积):
卷积核应用
1、平均卷积核(模糊)
2、锐化卷积核(边缘检测)
三、池化
池化作用
池化也叫下采样
1、减少参数量
2、防止过拟合
简而言之,就是在减小参数的同时,保留原始特征,防止过拟合。
最大池化与平均池化
四、全连接层
全连接层:每一层都和上一层所有神经元相连。 (全连接层:最后一层与倒数第二层)
作用:用来把前面提取到的特征综合起来。
(而感受野每次只关注一部分区域,所以是部分连接)
五、卷积网络(过程)
举例:手写数字识别
1、手写数字转灰度图
2、第一次卷积(得到多个特征图)
3、第一次池化(保留特征的同时减少数据量,防止过拟合)
4、第二次卷积(得到更多特征图)
5、第二次池化(保留特征的同时减少数据量,防止过拟合)
6、第一全连接层
7、第二全连接层
8、softmax层,得到结果
图像卷积神经网络
1、卷积(提取特征)
比如需要检测眼睛,那么卷积核为眼睛,卷积到原图的眼睛时,就会变成1,其他为0。
(注:卷积核不是人工规定的,而是机器学习学到的)
卷积到眼睛(100):
没卷积到眼睛(0):
2、池化(防止过拟合)
在保留原始特征的情况下,减少数据量,防止过拟合。(也具有平移不变性)
(注:如果需要精确定位到眼睛的位置的话,则不能用池化层,池化层对于眼睛的位置模糊了 )
3、全连接
得到最终结果。
深度学习(7)卷积神经网络相关推荐
- 解析深度学习:卷积神经网络原理与视觉实践
解析深度学习:卷积神经网络原理与视觉实践 魏秀参 著 ISBN:9787121345289 包装:平装 开本:16开 正文语种:中文 出版社: 电子工业出版社 出版时间:2018-11-01
- 【深度学习】卷积神经网络实现图像多分类的探索
[深度学习]卷积神经网络实现图像多分类的探索 文章目录 1 数字图像解释 2 cifar10数据集踩坑 3 Keras代码实现流程 3.1 导入数据 3.2 浅层CNN 3.3 深层CNN 3.4 进 ...
- 【深度学习】卷积神经网络速成
[深度学习]卷积神经网络速成 文章目录 [深度学习]卷积神经网络速成 1 概述 2 组成 2.1 卷积层 2.2 池化层 2.3 全连接层 3 一个案例 4 详细分析 1 概述 前馈神经网络(feed ...
- 深度学习~卷积神经网络(CNN)概述
目录 1. 卷积神经网络的形成和演变 1.1 卷积神经网络结构 1.2 卷积神经网络的应用和影响 1.3 卷积神经网络的缺陷和视图 1.3.1 缺陷:可能错分 1.3.2 解决方法:视图 ...
- 深度学习之卷积神经网络(13)DenseNet
深度学习之卷积神经网络(13)DenseNet Skip Connection的思想在ResNet上面获得了巨大的成功,研究人员开始尝试不同的Skip Connection方案,其中比较流行的就是D ...
- 深度学习之卷积神经网络(12)深度残差网络
深度学习之卷积神经网络(12)深度残差网络 ResNet原理 ResBlock实现 AlexNet.VGG.GoogleLeNet等网络模型的出现将神经网络的法阵带入了几十层的阶段,研究人员发现网络的 ...
- 深度学习之卷积神经网络(11)卷积层变种
深度学习之卷积神经网络(11)卷积层变种 1. 空洞卷积 2. 转置卷积 矩阵角度 转置卷积实现 3. 分离卷积 卷积神经网络的研究产生了各种各样优秀的网络模型,还提出了各种卷积层的变种,本节将重点介 ...
- 深度学习之卷积神经网络(10)CIFAR10与VGG13实战
深度学习之卷积神经网络(10)CIFAR10与VGG13实战 MNIST是机器学习最常用的数据集之一,但由于手写数字图片非常简单,并且MNIST数据集只保存了图片灰度信息,并不适合输入设计为RGB三通 ...
- 深度学习之卷积神经网络(8)BatchNorm层
深度学习之卷积神经网络(8)BatchNorm层 BatchNorm层概念 BatchNorm层实现 1. 向前传播 2. 反向更新 3. BN层实现 4. 完整代码 卷积神经网络的出现,网络参数量大 ...
- 深度学习之卷积神经网络(7)池化层
深度学习之卷积神经网络(7)池化层 在卷积层中,可以通过调节步长参数s实现特征图的高宽成倍缩小,从而降低了网络的参数量.实际上,处理通过设置步长,还有一种专门的网络层可以实现尺寸缩减功能,它就是这里要 ...
最新文章
- linux c 通过 pid 获取 进程相关信息 cmdline
- 你不知道的Javascript之原型
- 洛谷P1474 [USACO 2.3]货币系统 Money Systems [2017年4月计划 动态规划04]
- __declspec(dllimport)
- html知识笔记(三)——img标签、form表单
- 3-2:常见任务和主要工具之存储介质
- Java RSA加密(一)--BCD输出
- 网络分析shell脚本(实时流量+连接统计)
- SIR传染病模型(微分方程系列1)
- 在Ubuntu20.04(Linux Mint)中同步通达信软件的自选股和画线数据
- AIOT:基于智能家居谈AIOT
- 小米手机扩容教程_小米手机加运存和扩容(成功的DIY,过程已更新完)|创意DIY...
- 18.9.23 PION模拟赛
- 编程php计算行李托运费_登机英语:行李托运、行李超重和超重费英文表达
- Scrapy爬取知乎Python专题精华,连答主头像都给爬下来,不放过一切
- tcpdump抓包分析 https://www.01hai.com/note/av263669
- mysql vip切换未重连问题_改良版本的使用keepalived构建高可用mysql-HA
- 从苏宁电器到卡巴斯基第17篇:我在苏宁电器当营业员 VIII
- linux dns慢导致ftp慢,ftp登陆慢,登陆超时,上传速度慢解决方法
- python如何识别特殊字符_如何判断特殊字符?,Python交流,技术交流区,鱼C论坛 - Powered by Discuz!...