深度学习笔记_卷积神经网络CNN

最新推荐文章于 2024-07-25 10:18:13 发布
最新推荐文章于 2024-07-25 10:18:13 发布
阅读量1k 收藏 8
点赞数 21
文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_76587898/article/details/139308328
版权

卷积层

  • 实际上是内积，就是把一个图片分成 n n n 个区域，分别对每个区域用fliter做内积（对应位置相乘，最后求和）

池化层

存在意义

卷积层提取出的特征太多了，要用池化层来进行压缩

策略

  • 最大池化 MAX POOLING
    • 在某个区域内选取最大的特征值作为这个区域的特征值

应用场景

CV

用到的一些概念

  • fliter
    • 实质上就是一个参数矩阵，矩阵的每个元素的值的大小都是一个加权数，用来对图像的一个区域进行特征提取
    • 对同一个图像进行特征提取可以用很多不同的fliter，每个 fliter 的输出也是一个矩阵，并且为一层特征。所以当使用了很多 fliter 的时候，就会有很多层
  • 步长
    • 在用fliter做卷积的时候，每个区域之间间隔的距离（或者说每次人为滑动的距离）叫做步长
    • 例如一个 3 × 3 3 \times 3 3×3 矩阵（这个矩阵的大小叫做卷积核 ）作为 fliter，对一个 5 × 5 5 \times 5 5×5 矩阵做特征提取，步长为 1 1 1，则相当于 3 × 3 3 \times 3 3×3 矩阵每次向右滑动 1 1 1， 1 1 1 行滑动 2 2 2 次就到了下一行，可以滑动 3 3 3 行，最后得出了一个 3 × 3 3 \times3 3×3 的矩阵
  • 边缘填充
    • 在进行特征提取的时候可以发现，靠近中心的像素，被使用的次数会比边缘的要多，这是因为在滑动的过程中边缘滑一次就过去了，而中间的在滑动的过程中会反复遇见
    • 为了解决这个问题，提高边界的重视度，可以在整个图像的外围加一圈全为 0 0 0 的像素，并且把它当作新的图像进行特征提取。 0 0 0 的值保证了他不不会对原图像产生影响，而 0 0 0 作为新边缘又使得原来的边缘靠近了中心，可以被多次提取特征
  • 偏置参数
    • 每个fliter的卷积核提取后算出来的特征值，都要加上一个偏置参数，这个参数叫做 b b b 参数
没什么假的用
关注
  • 21
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
AI学习笔记——卷积神经网络（CNN）
02-24
本文来自简书，本文主要介绍了一个完整的卷积神经网络(CNN)，卷积的滤波器（Filter）是如何工作的呢？请参见下文。上篇文章简单地地介绍了神经网络和深度学习，在神经网络中，每一层的每个神经元都与下一层的每个...
卷积神经网络CNN学习笔记 pdf
11-07
个人整理的CNN学习笔记，所有素材均来自于互联网。把经典的摘之以作备案，待整理好这份笔记后，发现对CNN也有了深入理解，希望对你也有帮助！
深度学习笔记——卷积神经网络CNN进阶
weixin_45978839的博客
01-06 991
参考视频——B站刘二大人《pytorch深度学习实践》
深度学习笔记——pytorch实现卷积神经网络CNN
weixin_45978839的博客
01-04 2321
B站刘二大人《pytorch深度学习实践》
学习笔记：深度学习（3）——卷积神经网络（CNN）理论篇
Morganfs的博客
04-12 10万+
深度学习笔记——CNN卷积神经网络理论篇。主要包括CNN的概念、基本原理、类型综述。算是比较完善的一篇文章了。
CNN笔记：通俗理解卷积神经网络
热门推荐
结构之法 算法之道
07-02 82万+
通俗理解卷积神经网络（cs231n与5月dl班课程笔记） 1 前言 2012年我在北京组织过8期machine learning读书会，那时“机器学习”非常火，很多人都对其抱有巨大的热情。当我2013年再次来到北京时，有一个词似乎比“机器学习”更火，那就是“深度学习”。 本博客内写过一些机器学习相关的文章，但上一...
吴恩达深度学习笔记——卷积神经网络（Convolutional Neural Networks）
亦梦亦醒乐逍遥的博客
08-16 2886
卷积神经网络
深度学习笔记 6 卷积神经网络
qq_41134483的博客
10-16 3306
卷积神经网络,可变形卷积DCN
深度学习Deep Learning学习笔记——卷积神经网络CNN
qq_53554565的博客
07-22 465
深度学习卷积神经网络CNN学习笔记
(四) 深度学习笔记 ｜卷积神经网络(CNN)
weixin_45579930的博客
01-05 4059
一、什么是卷积神经网络 卷积神经网络（Convolutional Neural Network，CNN）又叫卷积网络（Convolutional Network），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。卷积神经网络一词中的卷积是一种特殊的线性运算。卷积网络是指那些至少在网络的一层中使用卷积运算来代替一般的矩阵乘法的神经网络。 典型应用场景：图像识别、语音识别等。 二、卷积神经网络的描述 2.1.人类的大脑 作为人类，我们不断地通过眼睛来观察和分析周围的世界，我们不需要刻意的“努力”思考，就
深度学习：卷积神经网络CNN
皮皮blog
08-02 6051
http://blog.csdn.net/pipisorry/article/details/76571670 Convolutional Neural Networks卷积神经网络 卷积神经网络是人工神经网络的一种，已成为当前语音分析和图像识别领域的研究热点。它的权值共享网络结构使之更类似于生物神经网络，降低了网络模型的复杂度，减少了权值的数量。该优点在网络的输入是多维图像时表...
卷积神经网络 深度学习笔记1
06-19
卷积神经网络深度学习笔记1 卷积神经网络（Convolutional Neural Networks，CNN）是一种深度学习算法，主要应用于图像识别和计算机视觉任务。与传统的多层感知机相比，卷积神经网络更好地利用了图像的空间结构信息...
5-机器学习系列（5）：卷积神经网络CNN之--原理及python实现1
08-03
卷积神经网络CNN之原理及Python实现 卷积神经网络（CNN）是一种流行的神经网络结构，广泛应用于计算机视觉领域。CNN的原理是基于卷积运算和池化层，旨在提取图像中的边缘信息和特征。下面是卷积神经网络的原理和...
LSTM详解总结
GDHBFTGGG的博客
07-25 362
LSTM（Long Short-Term Memory）是一种用于处理和预测时间序列数据的递归神经网络（RNN）的改进版本。其设计初衷是为了解决普通RNN在长序列训练中出现的梯度消失和梯度爆炸问题。以下是对LSTM的详细解释，包括原理、公式、功能、优势等。
零基础学习深度学习以及模块缝合总结
GDHBFTGGG的博客
07-25 704
零基础学习深度学习以及模块缝合总结
GPU驱动、CUDA 、cuDNN 和CUDA Toolkit之间的关系（深度学习小白必懂）
weixin_44115575的博客
07-23 1348
GPU驱动、CUDA、cuDNN和CUDA Toolkit之间有着紧密的关系，它们共同构成了一个完整的GPU编程和深度学习开发环境。 在最初配置anaconda环境时一直搞不明白它们之间的关系。所以根据自己的理解，通俗详细解释它们各自的角色和相互间的关系，并且列举了一些在anaconda虚拟环境中的例子。 不对的地方希望大家指正。
kechengsheji2021.zip
07-30
kechengsheji2021.zip
1cfa8b474c28bb76433ab12fc99ee5ad.jpeg
最新发布
07-30
1cfa8b474c28bb76433ab12fc99ee5ad.jpeg
深度解析：卷积神经网络（CNN）的通俗解读
"CNN笔记：通俗理解卷积神经网络" 卷积神经网络（Convolutional Neural Network，简称CNN）是深度学习领域中一种重要的神经网络结构，尤其在图像处理和计算机视觉任务中表现突出。CNN的设计灵感来源于生物视觉系统...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值