卷积神经网络
举一个卷积神经网络识别汽车的例子如下:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/b9b5277664f84ec7913663a0bf9b6af1.png)
其中数据输入的是一张图片(输入层),CONV表示卷积层,RELU表示激励层,POOL表示池化层,Fc表示全连接层。
输入层
在图片输入到神经网络之前,一般在输入层进行图像处理,有以下三种常见的图像处理的方式:
- 均值化:把输入数据各个维度都中心化到0,所有样本求和求平均,然后用所有的样本减去这个均值样本就是去均值。
- 归一化:数据幅度归一化到同样的范围,对于每个特征而言,范围最好是[-1,1]。
- PCA/白化:用PCA降维,让每个维度的相关度取消,特征和特征之间是相互独立的。白化是对数据每个特征轴上的幅度归一化。
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/02a3a99203ff0945db62d0edfc5aa637.png)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/c5ea3c7fdc728fe7969a709d4a07a894.png)
卷积层
卷