深度学习第五次笔记 ——CNN、ResNet

一、计算机视觉分类

 

a图像分类：用于识别图像中物品类别

b目标检测：用于检测图像中每个物品类别，并准确标出位置

c图像语义分割：用于标出图像中每个像素点所属类别，属于同一个像素点用一个颜色标识

d实例分割：b图像只需要标注物体位置，d中不仅标注物体位置，还要标注物体外形轮廓

二、CNN

1、CNN的优点：

能够有效的将大数据量的图片降为成小数据量，能有效的保留图片特征，符合图片处理原则

2、CNN了解：

卷积神经网络（convolutional neural network,CNN）,是一种专门用来处理具有类似网络结构的数据的神经网络。

3、五层网络结构：

数据输入层/input layer

预处理，把图像转变成像素矩阵

卷积层/CONV layer(提取图像中的局部特征)

 卷积计算：

  填充值zero-padding：

防止边角数值被使用次数过低、边界填充0值，避免边缘数据丢失或利用不充分

  步幅（stride）减少输入参数的数目，减少计算量：

 ReLU激励层/ReLU layer

                激活函数：

 

 

 池化层/Pooling layer(降低参数量级)

 

全连接层/FC layer

                把前面所有的值进行分析，得到最后结果