卷积神经网络(CNN)
一、CNN简介
卷积神经网络(CNN)是一种常见的深度学习架构,受生物自然视觉认知机制启发而来,20世纪 90 年代,LeCun et al. 等人发表论文,确立了CNN的现代结构。
人类识别图像的过程:瞳孔摄入像素;大脑皮层某些细胞初步处理,发现形状边缘、方向;抽象判定形状(如圆形、方形);进一步抽象判定(如判断物体是气球)
CNN模仿人类识别图像的多层过程:
二、CNN网络结构
CNN流程图:
主要是通过卷积、池化进行特征提取
(1)卷积层
卷积是CNN的核心,是用卷积核扫描图像,得到相应的特征。卷积核可以理解成过滤器(或图像扫描器、特征扫描器、局部感受野)。
四个超参数:Stride (S) Filter size(F) Filter number(K) Padding§
计算过程:
Output size的计算:
Input volume size (W) = 6 Stride (S) = 1 Filter(F) = 4 Padding§ = 0 --> output size = 3
Input volume size (W) =