文章目录
卷积神经网络
卷积神经网络:是一种具有局部连接,权重共享等特性的深度前馈神经网络。
在用全连接前馈网络来处理图像时,会有以下两个问题:
- 参数过多,容易出现过拟合现象。
- 局部不变性特征:全连接前馈网络很难提取这些局部不变性,一般需要进行数据增强来提高性能。
目前的卷积神经网络一般是由卷积层,汇聚层和全连接层交叉堆叠而成的前馈神经网络,卷积神经网络有三个结构上的特性:局部连接、权重共享以及汇聚。
卷 积
卷 积:是分析数学中一种重要的运算.在信号处理或图像处理中,经常使用一维或二维卷积。
一维卷积
我们可以设计不同的滤波器来提取信号序列的不同特征:
1,当我们令滤波器𝒘 = [1/𝐾,⋯, 1/𝐾]时,卷积相当于信号序列的简单移动平均(窗口大小为K)
2,当令滤波器𝒘 = [1, −2, 1]时,可以近似实现对信号序列的二阶微分,𝑥″(𝑡) = 𝑥(𝑡 + 1) + 𝑥(𝑡 − 1) − 2𝑥(𝑡)
滤波器𝒘 = [1/3, 1/3, 1/3]可以检测信号序列中的低频信息,而滤波器𝒘 = [1, −2, 1]可以检测信号序列中的高频信息。
二维卷积
给定一个图像𝑿 ∈ ℝ𝑀×𝑁 和一个滤波器 𝑾 ∈ ℝ𝑈×𝑉,一般 𝑈 << 𝑀, 𝑉 << 𝑁,其卷积为:
y i , j = ∑ u = 1 U ∑ v = 1 V w u v x i − u + 1 , j − v + 1 y_{i,j}=\sum_{u=1}^U\sum_{v=1}^Vw_{uv}x_{
{i-u+1},{j-v+1}} yi,j=∑u=1U∑v=1