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!...