深度之眼（二十八）——神经网络基础知识（三）-卷积神经网络

最新推荐文章于 2024-10-18 10:48:19 发布
最新推荐文章于 2024-10-18 10:48:19 发布
阅读量351 收藏 1
点赞数 4
分类专栏： # 深度之眼 文章标签： 神经网络 cnn 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_52592798/article/details/140059982
版权

文章目录

一、前言

在这里插入图片描述
卷积神经网络–AlexNet(最牛)-2012
Lenet-5-大规模商用（1989）

二、卷积操作

1.特征具有局部性：卷积核每次仅连接KK区域，KK是卷积核尺寸
2.特征可能出现在任何位置：卷积核参数重复使用（参数共享），在图像上滑动
在这里插入图片描述
卷积核（就有点像权重矩阵）
卷积核：具可学习参数的算子，用于对输入图像进行特征提取，输出通常称特征图(feature maps)

2.1 填充（padding）

在这里插入图片描述
分辨率不变
弥补边界丢失

2.2 步长

滑动距离
在这里插入图片描述

2.3 输出特征图尺寸计算

F_in是输入特征图的长度
k：卷积核的长度
p：填充（单行长度）
s：步长
在这里插入图片描述

2.4 多通道卷积

卷积核：高、宽、输入的通道数量、输出个数（4维）
在这里插入图片描述
在这里插入图片描述
卷积核是3-D张量，但是计算还是2-D卷积（视频处理中，会用到3-D卷积-有时间概念）

三、池化操作

下采样图像，不会改变图像目标：降低计算量，减少特征冗余
在这里插入图片描述
很少用池化了，因为降低分辨率，可以用设置步长。

四、Lenet-5及CNN结构进化史

4.1 Lenet-5

卷积池化的堆叠
在这里插入图片描述
在这里插入图片描述

周末不下雨
关注
专栏目录
深度学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 26万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
CNN笔记：通俗理解卷积神经网络
热门推荐
结构之法 算法之道
07-02 83万+
2012年我在北京组织过8期machine learning读书会，那时“机器学习”非常火，很多人都对其抱有巨大的热情。当我2013年再次来到北京时，有一个词似乎比“机器学习”更火，那就是“深度学习”。本博客内写过一些机器学习相关的文章，但上一篇技术文章“LDA主题模型”还是写于2014年11月份，毕竟自2015年开始创业做在线教育后，太多的杂事、琐碎事，让我一直想再写点技术性文章但每每恨时间抽不开。然由于公司在不断开机器学习、深度学习等相关的在线课程，耳濡目染中，总会顺带着学习学习。
深度学习入门（二十八）卷积神经网络——AlexNet
ElysiumAILab
11-08 1629
课件 以前的机器学习 几何学 特征工程 HardWare ImageNet（2010） AlexNet AlexNet架构 更多细节 复杂度 总结 教材 1 学习表征 1.1 缺少的成分：数据 1.2 缺少的成分：硬件 2 AlexNet 2.1 模型设计 2.2 激活函数 2.3 容量控制和预处理 3 读取数据集 4 训练AlexNet 5 小结 参考文献
【深度之眼】【神经网络基础知识】：卷积神经网络
huxw_magus的博客
08-24 475
目录一、卷积神经网络发展史二、卷积操作三、池化操作四、Lenet-5及CNN结构进化史 一、卷积神经网络发展史 卷积神经网络(convolutional neural networks，CNN) CNN是针对图像领域任务提出的神经网络，经历数代人的发展，在2012年之后大部分图 像任务被CNN统治，例如图像分类，图像分割，目标检测，图像检索等。 猫的视觉系统实验 神经元存在局部感受区域(receptive field)，也称感受野 细胞对角度有选择性 细胞对运动方向有选择性 对CNN启发 (1)视觉
吴恩达深度学习笔记——卷积神经网络（Convolutional Neural Networks）
亦梦亦醒乐逍遥的博客
08-16 2974
卷积神经网络
卷积神经网络和深度神经网络的区别与联系
AAI666666的博客
01-19 1276
DNN是指深度神经网络，它是一个很广的概念，某种意义上CNN、RNN、GAN等都属于其范畴之内。DNN与CNN（[卷积神经网络）的区别是DNN特指全连接的神经元结构，并不包含卷积单元或是时间上的关联。
卷积神经网络详解(一)——基础知识
Forskamse's Blog
05-01 7006
1. 卷积神经网络的组成 1981年诺贝尔医学奖得主，神经生物学家David Hubel 和Torsten Wiesel对人脑视觉系统的研究表明：人脑视觉系统首先通过眼睛来成像，图像通过瞳孔、晶状体最终在视网膜上成像。视网膜上布满了大量的光感受细胞，可以把光刺激转换为神经冲动，神经冲动通过视觉通路传递到大脑的初级视觉皮层（Primary Visual Cortex，V1），V1初步处理得到边缘、方...
什么是深度卷积神经网络,卷积神经网络怎么学
aifamao6的博客
08-27 2162
这种分层结构，是比较接近人类大脑的结构的。现在回到我们的主题DeepLearning，我们需要自动地学习特征，假设我们有一堆输入I（如一堆图像或者文本），假设我们设计了一个系统S（有n层），我们通过调整系统中参数，使得它的输出仍然是输入I，那么我们就可以自动地获取得到输入I的一系列层次特征，即S1，…2006年，hinton提出了在非监督数据上建立多层神经网络的一个有效方法，简单的说，分为两步，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。...
三万字硬核详解：卷积神经网络CNN（原理详解 + 项目实战 + 经验分享）
shinuone的博客
10-31 1万+
深入解析卷积神经网络(CNN)的实际运用，全面整理并梳理了CNN的关键知识点。从基础概念到实战技巧，提供了详实的内容，助力读者深入理解并应用卷积神经网络于实际问题解决。
深度学习简介——卷积神经网络
Gl_Zhang的博客
10-27 989
原文作者：Alex Cai 原文链接：http://www.cnblogs.com/alexcai/p/5506806.html 本文的主要目的，是简单介绍时下流行的深度学习算法的基础知识，本人也看过许多其他教程，感觉其中大部分讲的还是太过深奥，于是便有了写一篇科普文的想法。博主也是现学现卖，文中如有不当之处，请各位指出，共同进步。 本文的目标读者是对机器学习和神经网络有一定了解的同学（包括：梯度...
python卷积神经网络cnn的训练算法_【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理...
weixin_39639518的博客
12-19 1946
上篇文章我们给出了用paddlepaddle来做手写数字识别的示例，并对网络结构进行到了调整，提高了识别的精度。有的同学表示不是很理解原理，为什么传统的机器学习算法，简单的神经网络(如多层感知机)都可以识别手写数字，我们要采用卷积神经网络CNN来进行别呢？CNN到底是怎么识别的？用CNN有哪些优势呢？我们下面就来简单分析一下。在讲CNN之前，为避免完全零基础的人看不懂后面的讲解，我们先简单回顾一下...
【paddle深度学习高层API七日打卡营】三岁水课第二天——卷积神经网络和手写数字识别（一）
三岁学编程的博客
02-05 825
三岁白话—paddle深度学习高层API七日打卡营第二课（一）！ 篇幅过长所以两章，见谅！
【从感知机到神经网络】
m0_56997192的博客
10-12 683
根据身高体重判断胖瘦的感知机。1、根据已知样本训练出一条直线，用于对非训练样本进行分类，这条直线就是感知机模型。三维情况下感知机模型是一个平面。
数据分析方法（回归分析，决策树与神经网络，提升树，时间序列分析，假设检验，用户画像，竞品分析)等
nbatop5的博客
10-15 735
回归分析是一种统计方法，用于探索自变量（预测变量）和因变量（目标变量）之间的关系。它可以帮助预测变量的变化对目标变量的影响大小。例如，简单线性回归用于分析两个变量之间的线性关系，而多元回归分析可以处理多个自变量的情况。
6 卷积神经网络
m0_58285219的博客
10-15 591
图像中拥有丰富的结构，而这些结构可以被人类和机器学习模型使用。卷积神经网络（convolutional neural networks，CNN）是机器学习利用自然图像中一些已知结构的创造性方法。6.1.1 空间不变性在机器学习中，空间不变性通常与卷积神经网络（CNN）相关联。空间不变性包含平移不变性平移不变性使得CNN在处理图像数据时非常有效，因为它们可以识别出图像中的目标，而不管这些目标位于图像的哪个位置。卷积网络中，卷积层的权重被称为卷积核。
2024-10-18 问AI: [AI面试题] 神经网络有哪些不同类型？
最新发布
baidu_24377669的博客
10-18 344
神经网络有许多不同的类型，每种类型都有其特定的应用场景和优势。总的来说，每种神经网络类型都有其特定的结构和应用场景，选择合适的网络类型取决于具体任务的需求和数据特性。此外，还有一些其他类型的神经网络，如Hopfield网络、RBF（Radial Basis Function）网络等，它们在不同领域和任务中也有各自的应用。每种类型的神经网络都有其独特的设计理念和应用场景，选择合适的网络类型对于解决特定问题至关重要。综上所述，神经网络的类型多种多样，每种类型都有其独特的结构和应用场景。
DINO&DINO v2：颠覆自监督视觉特征表示学习
家鸽的代码屋
10-15 990
DINO系列学习总结
【人工智能学习之PaddleOCR快速上手】
Jiagym的博客
10-12 1428
在配置文件中，可以设置组建模型、优化器、损失函数、模型前后处理的参数，PaddleOCR从配置文件中读取到这些参数，进而组建出完整的训练流程，完成模型训练，在需要对模型进行优化的时，可以通过修改配置文件中的参数完成配置，使用简单且方便修改。而 L2 正则化中，添加正则化项的目的在于减少参数平方的总和。准确检测的标准是检测框与标注框的IOU大于某个阈值，正确识别的检测框中的文本与标注的文本相同。如果缺少带标注的数据，或者不想投入研发成本，建议直接调用开放的API，开放的API覆盖了目前比较常见的一些垂类。
新质技术之生成式AI、大模型、多模态技术开发与应用研修班
Lynn121的博客
10-17 410
在当前的科技飞速发展的时代，生成式人工智能、大模型、多模态技术的出现正为企业的数字化转型带来革命性变革。该研修班特别设计了为期四天的课程，从生成式AI的核心概念入手，逐步深入探讨大模型的应用开发以及多模态技术的集成运用。通过此次研修班，学员不仅能获得最新的AI技术知识，还能获得行业权威机构的职业技能认证，这将极大提升其在未来职场中的竞争力。本次研修班采取理论与实战相结合的培训模式，旨在让学员不仅能够全面掌握生成式AI、大模型和多模态技术的最新理论，还能通过实战练习，掌握将这些技术应用于实际业务。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

周末不下雨

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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