本文详细介绍了卷积神经网络（CNN）的基本原理和应用，包括卷积、边缘检测、填充、步长、RGB图像卷积、池化层、经典网络结构如LeNet-5和ResNet，以及目标检测技术，如YOLO和IoU计算。同时讨论了迁移学习和如何利用预训练模型进行微调。
一.卷积神经网络
1.计算机视觉
图片分类、图片识别：给出64*64图片计算机判断是否是一只猫
目标检测：检测出图片中有哪些物体以及他们的位置
风格迁移：图片融合图片1的轮廓和图片2的风格
eg:1000*1000大小的图片的特征向量将达到1000*1000*3（RGB 3channels），若使用标准的全连接网络将需要产生数量巨大的权值。。。所以引入卷积神经网络
2.边缘检测示例
卷积运算是CNN的基础，边缘检测作为入门学习示例。
垂直边缘检测：卷积核（过滤器）[1 1 1;0 0 0;-1 -1 -1] 翻转即为水平边缘检测
最低0.47元/天 解锁文章
扫一扫
1063
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
