超级会员免费看
本文深入探讨了卷积神经网络（CNN）的重要概念，包括特征、感受野、特征地图、特征量、全连接层的转换、反卷积以及端到端物体识别管道。此外，还介绍了物体识别中的关键要素，如边界框提议、IoU、非最大抑制、边界框回归、首要框等，揭示了CNN在图像处理领域的核心原理。
博客http://www.dataguru.cn/article-11219-1.html
重要的 CNN 概念
1. 特征 （图案，神经元的激活，特征探测）
当一个特定的图案（特征）被呈现在输入区（接受域）中时，一个隐藏的神经元就被会被激活。
神经元识别的团可以被进行可视化，其方法是：1）优化其输入区，将神经元的激活（deep dream）较大化；2）将梯度（gradient）可视化或者在其输入像素中，引导神经元激活的梯度（反向传播以及经引导的反向传播）3）将训练数据集中，激活神经元最多的图像区域进行可视化。
订阅专栏 解锁全文
扫一扫
5969
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
