【22-23 春学期】人工智能基础--AI作业8-卷积2

1. 步长、填充
步长(stride):在卷积神经网络中,步长表示滤波器(卷积核)在输入数据上滑动的距离。

填充(padding):在卷积神经网络中,填充是在输入数据周围添加额外的“像素”或“值”,以便在应用卷积核时保持输入和输出的尺寸。

2. 感受野
感受野是指输出特征图中一个神经元所对应的输入数据区域

3. 局部感知、权值共享
局部感知是指在卷积神经网络中,神经元只对其输入的一小部分区域做出响应

权值共享是指在卷积神经网络中,多个神经元共享同一组参数,这个参数组被称为卷积核

4. 池化(子采样、降采样、汇聚)
是卷积神经网络中的一种操作。它通常紧跟在卷积层后面,用于减小特征图(Feature Map)的尺寸和数量,同时保留输入数据的重要特征。

5. 低级特征、中级特征、高级特征
低级特征通常指一些较为基础的、直接从原始数据中提取的特征,如颜色、纹理、边缘等,它们通常对于物体的分类或识别任务并不十分有效,但是可以作为中级特征的基础。

中级特征则是指基于低级特征构建的一些更高层次的特征,如形状、轮廓、纹理组合等,这些特征能够更好地描述物体的形态和结构,因此对于分类或识别任务的效果会更好。

高级特征则是指基于中级特征构建的更加抽象和复杂的特征,如物体的部件、结构、语义等,这些特征能够更好地描述物体的高层次语义信息,因此对于更加复杂的任务(如目标检测、语义分割等)的效果会更好。
 

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
《零基础入门深度学习(4) - 卷积神经网络 - 作业部落 cmd markdown 编辑阅读器.pdf》是一个教程文档,主要介绍了卷积神经网络的基本概念和应用。该文档以Cmd Markdown编辑器为工具,提供了深度学习卷积神经网络的相关知识和操作实例。 该文档的内容分为几个部分,首先介绍了深度学习的基本原理和相关术语,包括神经网络、梯度下降、误差反向传播等。接着详细讲解了卷积神经网络的原理和结构,包括卷积层、池化层和全连接层等。 文档中还介绍了卷积神经网络的常见应用,如图像分类、目标检测和语音识别等,并给出了相应的应用示例和代码实现。同时,还介绍了一些常用的卷积神经网络模型,如LeNet、AlexNet和VGGNet等,详细解释了它们的结构和特点。 在使用Cmd Markdown编辑阅读器进行学习时,可以通过该工具进行代码编写和调试,同时还可以使用Markdown语法进行文档编写和展示。该文档提供了一些代码实例和实战练习,可以帮助初学者更好地理解和应用卷积神经网络。 总的来说,《零基础入门深度学习(4) - 卷积神经网络 - 作业部落 cmd markdown 编辑阅读器.pdf》是一个简明扼要的教程文档,通过使用Cmd Markdown编辑器进行学习,可以掌握卷积神经网络的基本原理和应用,并进行相应的实践练习。这对于零基础的入门学习者来说是一份很好的资料。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

码上游

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
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