深度学习第四次学习笔记-CNN算法

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