Convolutional Nueral Network
CNN适合做图像处理的原因
1.一个神经元不需要看整张图来判断某个模式的存在。
2.同一个模式可能出现在图片的不同地方,不需要训练不同的模型,神经元可以用同一种参数。
3.可以对图像做下采样*(subsampling:1、使得图像符合显示区域的大小;2、生成对应图像的缩略图。)*,能减少模型要用的参数。
CNN架构
卷积层可以来处理上述原因1和2,最大池化层处理原因3.
CNN-卷积
1.Filter的参数是通过学习得到的。
2.这里每一个Filter用来识别某一个模式。
Filter内积图像的像素矩阵=>Feature Map。
彩色图片处理
RGB,矩阵变成立方体
CNN与Fully Connected
每个神经元连接的input比全连接减少很多,因此参数会少很多。
同时不同神经元共用权值参数。
Max Pooling
在得到Feature Map后,选择每个Feature Map中最大的值,比较暴力。