深度学习笔记_卷积神经网络基本概念
卷积神经网络(CNN)典型结构
CNN各层作用简介
卷积层和采样层(convolutions and subsampling layers)
类似于特征提取
全连接层(fully connected layer)
根据提取的特征进行分类
池化层(Pooling layer)
作用:
- 首要作用,下采样(downsamping)降维、去除冗余信息、对特征进行压缩、简化网络复杂度、减少计算量、减少内存消耗等等。各种说辞吧,总的理解就是减少数量。实现非线性(这个可以想一下,relu函数,是不是有点类似的感觉?)。
- 可以扩大感知野
- 可以实现不变性,其中不变性包括,平移不变性、旋转不变性和尺度不变性。
- 可以扩大感知野
分类:
一般池化(General Pooling):其中最常见的池化操作有平均池化和最大池化:
- 平均池化(average pooling): 计算图像区域的平均值作为该区域池化后的值。
- 最大池化(max pooling): 选图像区域的最大值作为该区域池化后的值。
IoU
IoU 的全称为交并比(Intersection over Union),通过这个名称我们大概可以猜到 IoU 的计算方法。IoU 计算的是 “预测的边框” 和 “真实的边框” 的交集和并集的比值。
目标检测之 IoU https://blog.csdn.net/u014061630/article/details/82818112
深度学习笔记_卷积神经网络基本概念相关推荐
- 深度学习笔记:卷积神经网络的可视化--卷积核本征模式
目录 1. 前言 2. 代码实验 2.1 加载模型 2.2 构造返回中间层激活输出的模型 2.3 目标函数 2.4 通过随机梯度上升最大化损失 2.5 生成滤波器模式可视化图像 2.6 将多维数组变换 ...
- 吴恩达深度学习笔记- lesson4 卷积神经网络
文章目录 Week 1 卷积神经网络基础 4.1.1 计算机视觉(Computer vision) 4.1.2 边缘检测示例(Edge detection example) 4.1.3 更多边缘检测内 ...
- 深度学习笔记:卷积神经网络的Tensorflow实现
文章出处:深度学习笔记11:利用numpy搭建一个卷积神经网络 免费视频课程:Hellobi Live | 从数据分析师到机器学习(深度学习)工程师的进阶之路 在上一讲中,我们学习了如何利用 nump ...
- 深度学习笔记 6 卷积神经网络
目录 1.概念 2. 结构及每层详解 3. CNN特征 4. 卷积神经网络的流程 5.可变形卷积(DCN) 6.一些小问题 1. 1x1卷积作用 2. 卷积层和池化层有什么区别? 3.怎样才能减少卷积 ...
- 深度学习笔记:卷积神经网络的可视化--特征图
目录 1. 前言 2. 模型的训练 3. 特征图可视化 3.1 加载保存的模型¶ 3.2 图像预处理:将图像转换为张量 3.3 例化一个模型用于返回各层激活输出(即feature map) 3.5 各 ...
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-04-基于Python的LeNet之MLP
原文地址可以查看更多信息 本文主要参考于:Multilayer Perceptron python源代码(github下载 CSDN免费下载) 本文主要介绍含有单隐层的MLP的建模及实现.建议在阅读 ...
- 深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-03-基于Python的LeNet之LR
原地址可以查看更多信息 本文主要参考于:Classifying MNIST digits using Logistic Regression python源代码(GitHub下载 CSDN免费下载) ...
- 深度学习入门之PyTorch学习笔记:卷积神经网络
深度学习入门之PyTorch学习笔记 绪论 1 深度学习介绍 2 深度学习框架 3 多层全连接网络 4 卷积神经网络 4.1 主要任务及起源 4.2 卷积神经网络的原理和结构 4.2.1 卷积层 1. ...
- 深度学习21天——卷积神经网络(CNN):实现mnist手写数字识别(第1天)
目录 一.前期准备 1.1 环境配置 1.2 CPU和GPU 1.2.1 CPU 1.2.2 GPU 1.2.3 CPU和GPU的区别 第一步:设置GPU 1.3 MNIST 手写数字数据集 第二步: ...
- 【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理(1)
上篇文章我们给出了用paddlepaddle来做手写数字识别的示例,并对网络结构进行到了调整,提高了识别的精度.有的同学表示不是很理解原理,为什么传统的机器学习算法,简单的神经网络(如多层感知机)都可 ...
最新文章
- common lisp里的几个操作符
- 用物理学来为生命技术及制度的演化找出规律-读《为什么世界不会失控》
- ECMASCript 2019可能会有哪些特性?
- egg --- 初始化一个egg项目基本结构说明
- 类java的步骤_java类加载的过程
- PC版-B站下载视频
- mongodb教程_MongoDB教程
- “网页上有错误”的解决方法
- linux使用cpu缓存,解决方案:如何在Linux中获取CPU缓存的大小
- 什么是MXF文件?将MXF转为MP4格式的方法
- LSTM神经网络介绍
- 机器学习系列手记(六):概率图模型之概率图模型的联合概率分布
- 解决win7连接不了win10远程桌面
- cleanmymac4.12最新版下载安装教程
- C++的O2、O3到底是个什么鬼
- 哪一件事让你忽然意识到打工永无出路?
- 世界上不存在完美的人性
- 陕师大民教育计算机试题,陕师大计算机研究生考试真题2010年试题.doc
- MachineLearning 1. 主成分分析(PCA)
- Layer 关闭当前页面并且刷新父页面