卷积神经网络CNN(白话解释)
概念图示
convolutions:卷积
pooling:池化
full convolutions:全部卷积
Gaussian convolutions:高斯卷积
image-net(图片学习资源网站)
关键点摘要
计算机视觉,计算机如何理解图像
卷积神经网络可以处理图像,音频等可以转化为图像数据格式的文件
输入二维的像素阵列
输出图片结论
中间的黑箱部分即为卷积神经网络
提取图像的某些特证
卷积核(特征提取器)
卷积操作(交叉关联操作)
卷积核对应输入阵列进行卷积操作,得出与训练特征所对应的权重值新矩阵(相似程度)
以下是对整个图像完成一遍卷积操作得到的权重矩阵
卷积核提取图像特征:
运用多个卷积核处理图像进行特征提取
卷积核是机器学习来的,通过人工给入大量的图像
几个概念
池化pooling采样(缩小图像,大步卷积获取均值或二者一起不牺牲信息同时又把图像的大小将下来)
RGB(及通道,一般为三原色三通道)
padding(图像填充 )