吴恩达深度学习课程笔记（一）—— 卷积神经网络基础

最新推荐文章于 2022-08-16 16:27:31 发布
最新推荐文章于 2022-08-16 16:27:31 发布
阅读量657 收藏 4
点赞数
分类专栏： 吴恩达深度学习笔记 文章标签： 深度学习 cnn 计算机视觉 神经网络
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_53257476/article/details/122154140
版权

一、计算机视觉

在运行神经网络对图像进行处理时，对于64*64大小的图像，图像就有12288个参数，而对于一张1000*1000大小的图像，参数更是多达300万个，假设隐藏层有1000个神经元，那么参数就是300万*1000个，300亿个参数，可想而知数据量过于庞大。

为解决此问题，我们需要采用卷积计算。

二、边缘检测

①用神经网络的前几层来检测图像边缘，然后用后面的层检测特征，可以完成对一个完整物体进行的检测。

②它还可以进行垂直的线和水平的线的检测。

一个6*6的图像，构造一个3*3的滤波器进行卷积运算，可以得到一幅4*4的图像。

图中，0表示图像暗色区域，10为图像亮色区域，用一个尺寸为3*3的滤波器对图像进行卷积后，即可得到的图像中间亮，两边暗，

最低0.47元/天 解锁文章
Echo_`
关注
专栏目录
吴恩达深度学习笔记（八）——卷积神经网络（上）
weixin_45719141的博客
02-17 1522
吴恩达深度学习内容的一些笔记。
吴恩达深度学习笔记——卷积神经网络（CNN）
qq_35175666的博客
03-19 2835
目录 一、计算机视觉（Computer vision） 二、边缘检测示例（Edge detection example） 三、更多的边缘检测内容（More edge detection） 四、Padding 五、卷积步长（Strided convolution） 六、三维卷积（Convolution over volumes） 七、单层卷积网络（One layer of a c...
吴恩达卷积神经网络课件与笔记
12-22
自己整理的吴恩达深度学习第四课（卷积神经网络）的课件，大家一起深度学习吧。
【吴恩达笔记】卷积神经网络
小菜鸡
06-24 905
计算机视觉问题例如图像识别，图像融合，物体检测等cat的图片 64 * 64 * 3这样的图片比较小，如果对于1000 * 1000 * 3，使用神经网络这里数字越大代表亮度越大，数字越小越暗更多的边界检测对于过滤器有不同的值，不同进行边界检测边界扩充，输入的矩阵经过过滤器过滤之后，输出的矩阵维度降低，为了使矩阵维度保持不变，我们可以对原来的矩阵边界进行填充数值。两种卷积方式Strided Convolutions图片维度 : n × n过滤器维度: f × f填充 Padding ： p步长stride
卷积神经网络笔记--吴恩达深度学习课程笔记（一）
WUHU648的博客
08-06 1149
一.卷积神经网络（一） 1.1 计算机视觉 卷积神经网络一般应用于计算机视觉领域，由于有的时候图片的像素点很多，导致神经网络输入特征值的维数很多。 1.2 边缘检测示例 如下图所示，原图是一个661的矩阵，卷积核是一个331的矩阵，经过卷积后得到一个441的矩阵。 计算过程如下： | 3 | 0 | 1 |… … … …| 1 | 0 | -1 | | 1 | 5 | 8 |…*… . … .| 1 | 0 | -1 | =3+1+2-1-8-2=-5 | 2 | 7 | 2 |… … … …|
Coursera吴恩达《卷积神经网络》课程笔记（2）-- 深度卷积模型：案例研究
热门推荐
红色石头的专栏
12-14 1万+
我的CSDN博客地址：红色石头的专栏 我的知乎主页：红色石头 我的微博：RedstoneWill的微博 我的GitHub：RedstoneWill的GitHub 我的微信公众号：红色石头的机器学习之路（ID：redstonewill） 欢迎大家关注我！共同学习，共同进步！ 《Convolutional Neural Networks》是Andrw Ng深度学...
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 2995
卷积神经网络
吴恩达老师的深度学习课程笔记及资源(Deeplearning.ai深度学习教程)
最新发布
05-27
吴恩达老师的深度学习课程笔记及资源(Deeplearning.ai深度学习教程) 这些课程专为已有一定基础（基本的编程知识，熟悉Python、对机器学习有基本了解），想要尝试进入人工智能领域的计算机专业人士准备。介绍显示：...
【吴恩达深度学习课程笔记】卷积神经网络
qq_43557445的博客
04-28 274
卷积神经网络 一、垂直边缘检测 1、示例 首先考虑，如何检测出两个物体的中间间隔，这样能够把两个物体分开。 示例，输入一张6 x 6的图片（左边数值高就亮，右边数值低就灰暗），用3 x 3的卷积核去做卷积（左边是亮色，右边是深色），得到特征图（刚好中间数值高，就说明中间有间隔存在）。这里可能发现中间间隔太宽了，这是因为原图太小了，如果足够大（1000 x 1000），则得到的间隔就很细了。 【注...
吴恩达深度学习系列课程笔记：卷积神经网络（一）
Yolo的博客
11-13 4435
本系列文章将对吴恩达在网易公开课“深度学习工程师”微专业内容进行笔记总结，这一部分介绍的是“卷积神经网络”部分。 1、计算机视觉 计算机视觉在我们还是生活中有非常广泛的应用，以下几个是最常见的例子： 图像分类： 可以对图像中的物体种类进行判断，如确定图像中的物体是否是猫 风格迁移 将一幅画的风格迁移到另一张图片中，使之以之前那副图的形式来表现这一幅图像的内容。 目标检测 将一幅画的...
吴恩达卷积神经网络章节笔记（一）——卷积神经网络
Rome was not built in a day.
08-12 540
吴恩达卷积神经网络——学习笔记（一）1. 边缘检测示例 (Edge Detection Example)1.1 卷积运算1.2 垂直边缘检测器的应用案例2. 更多边缘检测内容 (More Edge Detection Example)3. Padding4. 卷积步长 (Strided Convolutions)5. 三维卷积 (Convolutions Over Volumes)5.1 三维卷积的计算5.2 多个过滤器的三维卷积6. 单层卷积网络 (One Layer of a Convolutional
吴恩达深度学习卷积神经网络学习笔记(2)——经典神经网络
u010556156的博客
04-01 980
目录 1.经典网络 1.1LeNet-5（1998） 1.2 AlexNet 1.3 VGG-16 2ResNets（残差网络） 2.1残差块（Residual block） 2.2 残差网络为什么有用？ 2.3网络中的网络以及1x1卷积 3 谷歌Inception网络 1.经典网络 1.1LeNet-5（199...
吴恩达——卷积神经网络（笔记）
kathh的博客
07-18 576
卷积神经网络 （Convolutional Neural Network, CNN） 卷积运算 6x6矩阵和3x3矩阵卷积运算，得到4x4矩阵 卷积运算实现垂直边缘预测： 数字越大，亮度越高 水平边缘预测，将过滤器旋转90度 padding 用像素点来填充边缘，解决角落或图像边缘的信息发挥作用较小的缺点。 valid卷积和same卷积： valid：（不填充）n x n * f x f ...
Deeplearning.ai吴恩达笔记之卷积神经网络3
loserChen的博客
01-16 437
Detection algorithms Object Localization 标准的CNN分类模型我们已经很熟悉了，如下所示： 对于目标定位和目标检测问题，其模型如下所示： 原始图片经过CONV卷积层后，Softmax层输出8 x 1向量。除了包含上述一般CNN分类3 x 1向量（class label）之外，还包含了(bx, by)，表示目标中心位置坐标；还包含了bh和bw，表示目标所...
吴恩达卷积神经网络笔记（Week1）
qq_39446239的博客
04-20 456
卷积神经网络笔记（Week1） 1.卷积层 1.1卷积核的计算方式 左侧是一个66矩阵，每次选择一个33的矩阵（假设是x11x12x13x21x22x23x31x32x33\begin{matrix} x_{11}&x_{12}&x_{13}\\x_{21}&x_{22}&x_{23}\\x_{31}&x_{32}&a...
吴恩达深度学习卷积神经网络学习笔记(1)
u010556156的博客
03-28 613
1垂直边缘检测器 图1.1 实现上图的卷积运算： python 中使用函数conv_forward 在tensorflow中使用函数tf.nn.conv2d 在keras框架中使用函数Conv2D 其实这个就是数字图像处理里图像分割里面的梯度算子。要得到一幅图像的梯度，要求在图像的每个像素处计算偏导数和。我们处理的是数字量，因此要求关于一点的领域上的偏导数的数字近似。 （1.1-1...
CNN卷积神经网络（吴恩达《卷积神经网络》笔记一）
CICI❤️的博客
07-21 753
CNN 卷积网络说明卷积 Convolution填充 Padding步长 StrideRGB图像卷积池化 Pooling完整CNN为什么人们喜欢用卷积神经网络？ 说明 关于RNN的基础知识：卷积、填充、步长、池化、完整的深度RNN网络可以参考 链接: AI学习笔记——卷积神经网络（CNN）. 本文主要侧重介绍这些操作背后的具体含义并且记录一下吴恩达老师课程的知识点。 卷积 Convolution ...
吴恩达深度学习笔记- lesson4 卷积神经网络
liaoziqiang的博客
04-28 2795
文章目录Week 1 卷积神经网络基础4.1.1 计算机视觉（Computer vision）4.1.2 边缘检测示例（Edge detection example）4.1.3 更多边缘检测内容（More edge detection）4.1.4 Padding3.1.5 卷积步长（Strided convolutions）4.1.6 三维卷积（Convolutions over volumes）4.1.7 单层卷积网络（One layer of a convolutional network）4.1.8
吴恩达卷积神经网络第二周笔记
solejay
05-27 296
第二周 深度卷积网络：实例探究 2.1 为什么要进行实例探究？ 别人效果很好的模型应用于自己的工作中很有可能也有很好的效果。多阅读优秀论文可以给自己带来思路和指导。 2.2 经典网络 模型 参数数量 卷积层数 LeNet 6 万 5 AlexNet 6 千万 8 VGG 1 亿 3 千 8 百万 16 AlexNet 相比 LeNet 参数更多 使用 Relu...
吴恩达深度学习课程笔记：PDF详细解读
"这是一份由黄海广主编的深度学习笔记，基于吴恩达的Deeplearning.ai课程，详细记录了课程内容，包括深度学习的基础、神经网络的构建、卷积神经网络（CNN）、递归神经网络（RNN）、长短期记忆网络（LSTM）等，并配以...
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
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