本课程深入讲解深度学习中的卷积神经网络（CNN），探讨全连接神经网络的问题并介绍CNN的特性，如局部连接、权重共享和下采样。通过车牌识别项目，实际应用CNN进行图像识别，加深对模型的理解。
课程笔记-深度学习机器视觉03-车辆识别-CNN——From：百度AI Studio
写在前面：
开始第洒课的学习，本节课主要讲了深度学习的方法并且应用在了图像识别的手势识别案例中
开始第三课的学习，本节课主要讲了深度学习中机器视觉常用的CNN 卷积神经网络，并且通过车牌识别的项目加深了理解。
资料与资源
————————————————————————————————————————
正课部分：
理论部分：卷积神经网络
全连接神经网络的问题
首先回顾一下神经网络模型：
全连接神经网络的问题：
参数的模型过多，尤其是在对于图像进行处理时，一般用像素表达，会导致参数量会成倍的增加
卷积神经网络（CNN）
卷积神经网络和全连接的区别是 层之间是有规律的部分连接的，在保证精度的同时可以有效的缩减规模，对于参数来说是一种比较好
最低0.47元/天 解锁文章
2629
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
