深度篇—— CNN 卷积神经网络(一) 细说 cnn 卷积神经网络

返回主目录

返回 CNN 卷积神经网络目录

下一章：深度篇—— CNN 卷积神经网络(二)  细说 池化(pooling) 与 反池化(unpooling)

 

目录内容

深度篇—— CNN 卷积神经网络(一) 细说 cnn 卷积神经网络

深度篇—— CNN 卷积神经网络(二) 细说 池化(pooling) 与 反池化(unpooling)

深度篇—— CNN 卷积神经网络(三) 关于 ROI pooling 和 ROI Align 与 插值

深度篇—— CNN 卷积神经网络(四) 使用 tf cnn 进行 mnist 手写数字 代码演示项目

 

本小节，细说 CNN 卷积神经网络，下一小节细说 池化 与 反池化

 

一. CNN 卷积神经网络

 

1. CNN 卷积神经的理解

CNN 卷积神经网络 (Convolution Neural Network, CNN) 是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元 ，对于大型图像处理有出色表现。卷积神经网络由一个或多个卷积层和顶端的全连接层组成，同时也包括关联权重和池化层。

卷积神经，是依靠感受野(也就是滑动窗口)去提取特征进行学习 的。

滑动窗口，就好像上图的圆圈一样，从 1 的位置，滑动到 2 的位置，再滑动到 3 的位置。滑动完一行之后，再移动都下一行去 滑动，然后，又滑动到 m 位置，再滑动到 n 的位置。这滑动窗口，就好像人的扫视一样。滑动窗口的大小，称为感受野，也就是一次能感受到多少信息量。