1.计算机视觉分类 (1)图像分类 用于识别图像中物体的类别 (2)目标检测 用于识别图像中物体的类别,并准确标明它们的位置 (3)图像语义分割 用于标出图像中每个像素点所属的类别,属于同一类别的像素点用一个颜色标识 (4)实例分割 不但能准确标明它们的位置,还可以标注出它们的轮廓 CNN解决的问题: 有效的将大数据量的图片降维成小数据量 能够有效的保留图片特征,符合图片处理原则 2.卷积神经网络(CNN) 这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 CNN五层网格结构 (1)数据输入层 / Input layer 进行预处理,转化图片的像素矩阵成为数字 (2)卷积层 / CONV layer (提取图像中的局部特征) 卷积层也被称为过滤器或内核或卷积核 对输入图像和滤波矩阵(恒定滤波器)作内积(逐个元素相乘再求和)的操作就是卷积,也是卷积神经网络的名字来源。 (3)激励层 / ReLU layer 也可称为激活层,跟BP神经网络相似,这一层也需要进行权值计算,不过为了解决更深更复杂的问题,不能单单用线性解