CNN神经网络给图像分类(Matlab)

1. 你要看你的图像是什么。如果是彩色数字，先转成灰度。用MNIST训练网络。如果是各种主题，用彩色的imageNET训练。如果你的数据量大到足以与数据集媲美，那么直接用你的数据训练网络即可。

在流行的数据集上训练完，你需要固定卷积池化层，只训练后面的全连接层参数，用你自己的数据集。

2. CNN一是调整网络结构，几层卷积几层池化，卷积的模板大小等。而是在确定结构上调整参数，weight scale，learning rate，reg等。

3. 你用CNN做图像分类，无非是把CNN当成学习特征的手段，你可以吧网络看成两部分，前面的卷积层学习图像基本-中等-高层特征，后面的全连接层对应普通的神经网络做分类。

需要学习的话，首先你去看UFLDL教程。然后cs231n

与其问别人，首先你看了imageNet数据集了吗？

对于把流行数据集与自己数据混合训练模型的方法。如果两种数据十分相似，也未尝不可。但是对于流行数据集而言，自己的标注数据量一般不会太大，如果是1：1000，1:100这种比例，那么可能不加自己的数据，完全用数据集训练的模型就能得到一个还好的结果。

如果自己的数据和数据集有些差别，那混在一起我认为自己的是在用自己的数据当做噪声加到数据集中。cnn认为图像是局部相关的，而欺骗CNN的方法则主要出于，自然图像分布在一种流形结构中，训练的模型需要这种流形假设，而人工合成的图像由于添加非自然噪点，不满足模型假设，所以能用肉眼难分辨的噪声严重干扰分类结果。

如果二者相差过大，数据集是一种分布，你的数据是另一种，放到一起训练，我没试过，但我认为结果不会太好。

这时候只能把数据集用来训练cnn的特征提取能力。而后用于分类的全连接层，视你的数据量调整规模。你做的是直接输入彩色的图像吗大兄弟，问个问题啊，训练好模型怎么分类呀，就是怎么用得到的模型对位置样本进行分类。刚刚看到,奉劝一句,还是放弃deeplearning toolbox吧,因为里面有很多错误,而且,如果想对网络进行改进很麻烦的,还是转到tensorflow或者caffe吧,不想换语言,可以用matconvnet框架

CNN介绍及历史

CNN是全球第一家全天候播报新闻的电视台，1980年6月1日开办于亚特兰大。\

从1980年6 月 1日开播以来，已经发展成为15个有线和卫 星电 视频道网络，12个网站，2个当地电视网络和2个广播网络。CNN在全球还拥有多个地区和外语频道。CNN在1995年8月30日启动了自己的新闻网站，CNN.com，被称作是互联网上第一个新闻网站。

1981年，率先在电视上报道里 根遇 刺事件，引起轰动。

在1991年的海 湾 战 争中，CNN的国际知名度得到提升，他们关于战争的现场报导吸引了全世界的目光。

1995年，时 代 华 纳并购CNN所属的特纳广播公司，使时 代 华 纳成为当时全球最大的媒体集团。

2001年，CNN于2001年9月11日上午8时49分开始现场直播九一一袭 击 事件世界贸易中心 ，是全世界第一个报道九一一袭 击事 件的新闻媒体。

其实是有几个台, 有CNN 北美, 就是cable; 还有北美 的HLN 就是headline news,.

还有就是CNN INTERNATIONAL 更注重全球新闻, 然后全球3大中心-- 亚特兰大 伦敦 以及香港, 每个中心负责8个小时, 刚好就24小时覆盖; 目前还在阿布扎比开设了中东总部.

还有cnn 西班牙语 及cnn印度 cnn开罗

百科有一篇长文介绍的很全面 详细 很客 观.cnn是cable news network的缩写，是美国的有线电视新闻网，cnn于1980年6月1日开播，是世界上第一家开办24小时全新闻频道的电视公司，创始人是特德·纳特，隶属于时代华纳传媒集团。1982年，开创了cnn二台(简称新闻网)。刚开了专业课，广播电视新闻概论。