Task3-字符识别模型（卷积神经网络）

Task3-字符识别模型（卷积神经网络）

1 卷积神经网络原理

定义

• 卷积神经网络由一个或多个卷积层、池化层以及全连接层等组成。与其他深度学习结构相比，卷积神经网络在图像等方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他浅层或深度神经网络，卷积神经网络需要考量的参数更少，使之成为一种颇具吸引力的深度学习结构。

其中主要包含了几个主要的结构：

• 卷积层（Convolutions）
• 池化层（subsampling）
• 全连接层（Full connection）
• 激活函数

1.1 卷积层

• 目的

  • 卷积运算的目的是提取输入的不同特征，某些卷积层可能只能提取一些低级的特征如边缘、线条和角等层级，更多层的网路能从低级特征中迭代提取更复杂的特征。**（提取特征，检测边缘，降维）*

• 参数：

  • size: 卷积核的大小
  • padding：零填充（对边缘填充），valid与same
  • stride：步长，通常是1

• 计算公式:

  • 图片的体积：（H1&