初识卷积神经网络(CNN)

     研究生的第一篇Paper是关于CNN的,为了能够理解这篇paper,在网上找了很多关于CNN的文章:

  1. Stanford的CNN介绍:斯坦福cs231的CNN课程
  2. C3D:C3D: Generic Features for Video Analysis
  3. Medium论坛:medium上的CNN基础架构理解
  4. stack问答:filter数量与什么有关 、
  5. IEEE Paper:3D卷积,人体姿态检测……等等。

      找的这些东西虽然确实也挺有帮助,但是我发现,就一个2-D CNN来说里面都有太多概念:receptive fileld、filter、weight、depth、channel、input feature map、pooling、FV……;另外还有,常见的网络结构:AlexNet,ResNet,FCN,MXnet,Faster-RCNN、计算机视觉的顶级会议:CVPR、ECCV、ICCV(计算机视觉顶级会议和期刊)、以及增加时间维度用于视频中动作识别的3-D卷积……等等。不过,总算整理出来了。

认识CNN(Convolutional Neural Network)卷积神经网络基本知识:

1 首先CNN的输入、输出是什么?

CNN网络的输入是一张图像,输出是一个类别 

比如,有一张汽车的图像,把这张图片输入到CNN网络中,CNN网络出来就是一个类目名:Car:

2 CNN网络又是什么?

图中就是一个基础的CNN网络结构,其中有:卷积层(Convolutional layers),全连接层(Fully-connected layers),接了池化层(Pooling layers)和激活函数(Activation Functions)

当然,上面只是梳理了CNN网络结构中有什么内容,实际的CNN网络不会这么简单。

以AlexNet为例,看CNN网络结构。

下图即为AlexNet结构:

  • 2
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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