李宏毅机器学习学习打卡Task06-卷积神经网络篇

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