卷积神经网络(CNN)

本文详细介绍了卷积神经网络(CNN)的基本概念、网络结构,包括卷积层、激活函数、池化层、全连接层及其特点。探讨了CNN在图像识别、物体检测等领域的应用,并提到了经典CNN架构如LeNet-5、AlexNet等,以及常用的深度学习框架如Caffe、TensorFlow。
摘要由CSDN通过智能技术生成

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。

在这里插入图片描述

​ 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:

在这里插入图片描述

二、CNN网络结构

CNN流程图:

在这里插入图片描述

​ 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§

在这里插入图片描述

计算过程:

在这里插入图片描述

Output size的计算:

在这里插入图片描述

Input volume size (W) = 6 Stride (S) = 1 Filter(F) = 4 Padding§ = 0 --> output size = 3

Input volume size (W) =

  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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
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