一、使用CNN处理图像的原因
1.Small region
识别图片往往只需要一小块区域即可。
2.Same Patterns
两张图片中相同的能直接识别特征的小区域的位置可能不一样。
3.Subsampling
缩小图片依然能够识别。
二、CNN的架构
基本上是输入图片,经过卷积层和池化层(可能多次这两层的组合),然后铺平最终输入全连接层。
三、卷积层
取一个卷积核来对相等大小的原图的某一个区域进行矩阵内积运算。
核的大小对应了Small region的概念;不同位置核内积得出来相同的值对应了Same patterns的概念。
convolution和fully connected之间的关系?(如下图)
四、池化层
此时贴的是最大池化的过程,主要用于缩减图片大小。
也可用平均池化。
五、铺平
将矩阵全部一维展开。
六、CNN的延展
深度梦境
风格迁移
七、CNN的应用
围棋
语音
文本