一、提出问题

对于生活生产中的表格数据，至多也就上百维，而且表格数据的行与行之间没有序列和位置上的关系，所以用传统的机器学习算法就可轻松的解决这些问题。但是到了图片数据，传统机器学习就非常吃力了，一个普通的RGB图片，怎样向量化？传统机器学习的输入都是向量。如果强制把一个RGB图片拉成向量，会出现三个问题：

向量纬度会非常大，模型的参数非常多；
强制把RGB图片拉成向量，丢失了像素的位置关系，这对于图片数据来说是最大的问题；
算法对于向量过于敏感，因为对于图片来说更多的是多个具有结构的像素才具有意义，不像传统表格数据，维度间关联度不大；

二、解决问题

针对上面三个问题，深度学习引入了两个看似平淡无奇但是却惊动武林的想法：

引入卷积层，解决维度大参数多问题，解决了像素位置结构丢失问题；
引入迟化层，解决了对于像素的敏感问题。

三、意义

卷积层用来很好的抓取图片的特征，迟化层用来解决模型对卷积抓取的特征过于敏感，增加泛化能力。和传统机器学习讨论是一样的，一方面狠狠的拟合数据，另一方面又小心翼翼的防止过拟合，任何一个模型都有这两把刷子。有了这两把刷子，就如同开车的油门和刹车，运用得当自然老司机，在历史上留名的那些著名模型就属于这一类恰当的配合卷积层和迟化层，创造出丰富多样、威力越来越大的模型，明白这两点，下面可以开车了。

（一）卷积网络之基础要点相关推荐

TensorFlow2使用预训练的卷积网络(ConvNet)进行迁移学习
本案例使用预训练的模型对猫狗数据集进行分类任务.使用预训练的模型有两种方式: 一是利用特征提取器.利用预训练模型的前几层对新数据进行特征提取,最后加入分类的层即可完成新模型的创建. 二是Fine Tu ...
Interview：算法岗位面试—10.24下午—上海某软件公司(机器学习，上市)电话面试—考察SVM、逻辑回归、降低过拟合、卷积网络基础等
Interview:算法岗位面试-10.24下午-上海某软件公司(机器学习,上市)电话面试-考察SVM.逻辑回归.降低过拟合.卷积网络基础等导读:当时电话来的非常快,我刚做完一家公司的笔试,接着来了 ...
深度学习中的卷积网络简介
卷积网络(convolutional network)也叫做卷积神经网络(convolutional neural network, CNN),是一种专门用来处理具有类似网格结构的数据的神经网络.例如 ...
混合时空图卷积网络：利用导航数据改进交通预测效果 | KDD 2020
作者 | 高德机器学习团队出品 | AI科技大本营(ID:rgznai100) 引言时空预测(spatio-temporal forecasting)在天气预报.运输规划等领域有着重要的应用价值. ...
一文读懂简化的图卷积网络GCN（SGC）| ICML 2019
作者 | yyl424525 来源 | CSDN博客文章目录 1 相关介绍 1.1 Simple Graph Convolution (SGC)提出的背景 1.2 SGC效果 2 Simple Gr ...
7 Papers Radios | NeurIPS 2020最佳论文；全卷积网络实现E2E目标检测
机器之心 & ArXiv Weekly Radiostation 参与:杜伟.楚航.罗若天本周的重要研究包括 NeurIPS 2020最佳论文以及抛弃 Transformer 使用全卷积网络 ...
用聚类方法结合卷积网络，实现无监督端到端图像分类
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达图像分类是根据图像的语义信息将不同类别图像区分开来,是计算机视觉中 ...
学习笔记CB009:人工神经网络模型、手写数字识别、多层卷积网络、词向量、word2vec...
人工神经网络,借鉴生物神经网络工作原理数学模型. 由n个输入特征得出与输入特征几乎相同的n个结果,训练隐藏层得到意想不到信息.信息检索领域,模型训练合理排序模型,输入特征,文档质量.文档点击历史.文档 ...
LIVE 预告 | 旷视王剑锋：全卷积网络，可以实现更好的端到端目标检测吗？
目标检测是计算机视觉领域的一个基础研究主题,它利用每张图像的预定义类标签来预测边界框.大多数主流检测器使用的是基于锚的标签分配和非极大值抑制(NMS)等手动设计.近来,很多研究者提出方法通过距离感知和 ...

（一）卷积网络之基础要点

一、提出问题

二、解决问题

三、意义

（一）卷积网络之基础要点相关推荐

最新文章

热门文章