漫画：卷积神经网络为什么适合处理图片数据？

传统的神经网络（全连接）如下所示：

比如一张图片如果是64*64的，那么它的数据量就是64×64×3，因为每张图片都有 3 个颜色通道。那么图片的特征向量维度为 12288。

对的！64×64还是比较小的，如果操作更大的图片，给你举个例子，比如一张 1000×1000 的图片，那么特征向量的维度达到了 1000×1000×3，因为有 3 个 RGB 通道，所以数字将会是 300 万。

如果特征维度为300万，那么我们的神经网络需要300万个输入，如果神经网络的隐藏层有1000个隐藏单元，那么输入层和第一个隐藏层之间的参数矩阵的大小是会有 30亿个参数，仅仅输入层和隐藏层之间就有30亿个参数。

在参数如此大量的情况下，难以获得足够的数据来防止神经网络发生过拟合，而且还存在巨大的压力。

先来看下面这张图

大致可以分为这几个步骤：

卷积层-Pooling-卷积层-Pooling-全连接层-softmax

那么这样就用卷积操作代替了全连接的操作，可以进行有效的提取特征。那么卷积的特性包括：权值共享和局部连接。我想大家看一下下面这个就更明显了！

（图片来源：csdn博客）

为了使得卷积神经网络更形象，请看下面几个图：

这节课我们知道了为什么卷积神经网络能更好的处理图片，同时也大体了解了神经网络，后面会按照章节讲解计算机视觉CNN！

参考文献

1.http://www.elecfans.com/rengongzhineng/580113.html

2.今日头条|B站AI专栏素材

3.https://blog.wj2015.com/

漫画：卷积神经网络为什么适合处理图片数据？相关推荐

(8)卷积神经网络如何处理一维时间序列数据？
(8)卷积神经网络如何处理一维时间序列数据? 概述许多文章都关注于二维卷积神经网络(2D CNN)的使用,特别是图像识别.而一维卷积神经网络(1D CNNs)只在一定程度上有所涉及,比如在自然语言处 ...
基于卷积神经网络的多保真数据聚合
目录一.方法二.实验三.讨论 3.1. 卷积层效应 3.2. 梯度信息的影响一.方法让和分别表示低保真度和高保真度生成模型.考虑两个模型之间的一般关系如下: (1) 其中是一个未知函数,它捕 ...
卷积神经网络如何处理一维时间序列数据？
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自 | 人工智能与算法学习概述许多文章都关注于二维卷积神 ...
一文带你了解卷积神经网络基础，建议收藏
今天给大家讲一下卷积神经网络,主要包括四个部分:卷积神经网络的历史.全连接层.卷积层和池化层. CNN的英文全称是Convolutional Neural Network,雏形是LeCun在1998年 ...
一文了解卷积神经网络基础，建议收藏
今天给大家讲一下卷积神经网络,主要包括四个部分:卷积神经网络的历史.全连接层.卷积层和池化层. CNN的英文全称是Convolutional Neural Network,雏形是LeCun在1998年 ...
卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络
https://www.toutiao.com/a6652296994872099336/ 2019-01-30 22:32:42 局部连接+权值共享全连接神经网络需要非常多的计算资源才能支撑它来做 ...
cnn神经网络可以用于数据拟合吗_使用Keras搭建卷积神经网络进行手写识别的入门（包含代码解读）...
本文是发在Medium上的一篇博客:<Handwritten Equation Solver using Convolutional Neural Network>.本文是原文的翻译.这篇 ...
FER基于卷积神经网络: 处理少量数据和训练样本订单FER with CNN:Coping with few data and the training sample order
1.摘要面部表情识别在过去的10年中一直是一个活跃的研究领域,其应用领域不断扩大,包括阿凡达动画.神经营销和社交机器人.面部表情的识别对于机器学习方法来说不是一个简单的问题,因为人们表现表情的方式可 ...
回归预测 | MATLAB实现PSO-GCNN粒子群算法优化分组卷积神经网络的数据多输入单输出回归预测
回归预测 | MATLAB实现PSO-GCNN粒子群算法优化分组卷积神经网络的数据多输入单输出回归预测目录回归预测 | MATLAB实现PSO-GCNN粒子群算法优化分组卷积神经网络的数据多输入单 ...

漫画：卷积神经网络为什么适合处理图片数据？

漫画：卷积神经网络为什么适合处理图片数据？相关推荐

最新文章

热门文章