为什么不用神经网络?
因为处理图片28×28时,若隐藏层为10个神经元,那就已经需要28×28×3×10,权重参数太多,需要大量计算,并且也难以达到更好的效果。
感受野(receptive field)
1962对猫视觉皮层细胞的研究提出了神经认知机(neocognitron)
单个感受器与许多感觉神经纤维相联系,感觉信息是通过许多感受神经纤维发放总和性的空间与时间类型不同的冲动,相当于经过编码来传递。
就是收集多个信息到一个神经元然后再编码给大脑。
边缘检测
基于上面感受野思想,想用更少参数检测出更多的信息。
通常神经网络需要检测出物体最明显的垂直和水平边缘来区分物体。
其中卷积运算见:
(1条消息) 矩阵卷积运算的具体过程,很简单_ESOO-CSDN博客_矩阵的卷积
什么!卷积要旋转180度?! - 简书 (jianshu.com)
就是逆时针旋转180度再一个个扫描,或者套公式计算。
视频中的意思是可以利用不同的卷积核来做到垂直边缘检测和水平边缘检测。
就相当于左边的10代表一个物体,右边是另外一个物体,通过这个卷积运算就能得到这两个物体之间的边缘。
然后基于上述思路,还可以将过滤器的数值作为参数,通过反向传播来学习得到。
总之,感受野就是那个过滤器,然后去完成各种边缘检测。
【深度学习】CNN(卷积神经网络)简单介绍_哔哩哔哩_bilibili