卷积神经网络基础知识

最新推荐文章于 2024-04-15 18:00:34 发布
最新推荐文章于 2024-04-15 18:00:34 发布
阅读量112 收藏
点赞数
分类专栏： 深度学习 文章标签： cnn 深度学习 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43308156/article/details/128479002
版权

文章目录

1. 卷积神经网络

在这里插入图片描述

  • 可以简单理解为包含卷积层的网络就是卷积神经网络
    在这里插入图片描述

2. 全连接层

在这里插入图片描述

  • 将得到输出值和期望输出值做对比，就可以得到一个损失值。
  • 通过计算每个节点的偏导数，就能得到其损失梯度
  • 将的得到的损失值反向应用到损失梯度上，就达到了反向传播
    在这里插入图片描述
    在这里插入图片描述
  • 每个数字对应位置定为 1，其余为0

3. 卷积层

在这里插入图片描述

  • 将特征层上的值与卷积核上的值对应相乘再相加
  • 卷积目的：进行特征提取
    《卷积特性》
  • 拥有局部感知机制
  • 权值共享
    在这里插入图片描述
    权值共享的优点： 极大的减少参数量
    在这里插入图片描述
  • 输入特征矩阵的个数(此处为3)与卷积核的个数保持一致
  • 输出的特征矩阵个数与卷积核维度(2个)相同

问：如果卷积过程中出现越界的情况该怎么办？
答：在周围用0 补齐

在这里插入图片描述

4. 池化层

没有训练参数
只改变特征层矩阵的w和h，不改变channel(深度)
一般poolingsize与stride相同(并非绝对的)

Maxpooling下采样层

目的：对特征图进行稀疏处理，减少数据运算量

在这里插入图片描述

Averagepooling下采样

在这里插入图片描述
笔记参考视频：b站：霹雳吧啦Wz

Colinnnn2
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
卷积神经网络CNN基本概念（二）上采样 下采样
a1809032425的博客
07-22 2万+
卷积神经网络CNN基本概念（二）上采样 下采样 参考网址：https://blog.csdn.net/majinlei121/article/details/46742339 缩小图像：或称为下采样（subsampled）或降采样（downsampled） 主要目的有两个：1、使得图像符合显示区域的大小；2、生成对应图像的缩略图。 放大图像：或称为上采样（upsampling）或图像...
CNN 真的需要下采样（上采样）吗?
迈微AI研习社 · 号主
06-04 895
我们不得不去想，下采样，上采样真的是必须的吗？可不可能去掉呢？
下采样和上采样
热门推荐
ytusdc的博客
11-21 3万+
1、下采样的作用是什么？通常有哪些方式？ 下采样层有两个作用，一是减少计算量，防止过拟合；二是增大感受野，使得后面的卷积核能够学到更加全局的信息。 下采样的方式主要有两种： 1、采用stride为2的池化层，如Max-pooling和Average-pooling，目前通常使用Max-pooling，因为他计算简单而且能够更好的保留纹理特征； 2、采用stride为2的卷积层，下采样的过程是一个信息损失的过程，而池化层是不可学习的，用stride为2的可学习卷积层来代替pooling可以得到更好的效果，
深度学习知识点：卷积神经网络（CNN）
最新发布
FriendshipTang的博客
04-15 1259
人工智能、机器学习、深度学习、神经网络、CNN
什么是上采样和下采样
qq_44815135的博客
02-27 1200
在卷积神经网络（Convolutional Neural Network，CNN）中，下采样和上采样是指特征图的空间尺寸变化操作。
ViT中的上采样和下采样——patch merge
zhu_ba的博客
12-25 2015
在视觉Transformer（Vision Transformer，ViT）中，上采样和下采样通常指的是在不同层之间调整特征图的空间分辨率，以便在不同层次上捕获图像的不同尺度的信息。与传统的卷积神经网络（CNN）不同，ViT使用自注意力机制而不是卷积操作来处理输入图像，因此上采样和下采样的方式也有所不同。总体而言，ViT中的上采样和下采样主要是通过池化和插值等操作来实现的，以在不同层次上处理输入图像的尺度信息。原本的特征图的大小（h，w，c），变成了（h/2, w/2, 2c）。在ViT中，通常使用。
基于卷积神经网络的人脸识别
06-15
人脸识別技术是一种广泛应用的身份验证方法，而基于卷积神经网络（CNN）的深度学习算法在这一领域取得了显著的进步。本项目聚焦于使用Python编程语言实现基于CNN的卷积神经网络进行人脸识别。以下是对相关知识点的...
MATLAB卷积神经网络.zip
05-24
1. **卷积神经网络基础知识**： - **卷积层**：CNN的核心组件，通过卷积核（滤波器）在输入图像上滑动，提取特征。卷积层可以检测边缘、颜色、纹理等低级特征。 - **池化层**：用于减少数据尺寸，常用于降低计算...
基于卷积神经网络的图像去噪（基础篇）
05-06
卷积神经网络（CNN，Convolutional Neural Network）在图像处理领域有着广泛的应用，尤其是在图像去噪方面。本文将深入探讨CNN如何应用于图像去噪，为初学者提供一个基础的了解。 图像去噪是图像处理中的重要环节，...
直白介绍卷积神经网络（CNN）.pdf
08-19
直白介绍卷积神经网络（CNN）.pdf 粉丝可以免费下载。介绍卷曲神经网络的全部知识，从是什么到这么做
第四课 卷积神经网络1
08-04
"卷积神经网络基础知识" 卷积神经网络（Convolutional Neural Network，CNN）是深度学习中的一种常见模型，广泛应用于图像识别、目标检测、自然语言处理等领域。下面是卷积神经网络基础知识的总结： 1. 卷积计算 ...
深度学习——卷积神经网络
01-20
文章目录卷积神经网络一、卷积神经网络基础1.基础知识2.卷积层的简洁实现3.池化二、LeNet三、常见的一些卷积神经网络1.AlexNet2.VGG3.NiN4.GoogLeNet   一、卷积神经网络基础 1.基础知识 二维互相关(cross-...
卷积神经网络
06-06
卷积神经网络（Convolutional Neural Networks，简称CNNs）是一种深度学习模型，特别适合处理具有网格状结构的数据，如图像、...这些文件可能会涵盖更详细的理论、实例和可视化，帮助你全面掌握卷积神经网络的知识。
Visio画的卷积神经网络结构图模板
08-24
卷积神经网络的基础构成包括卷积层、池化层和全连接层。卷积层是CNN的核心，通过使用可学习的滤波器（filter）对输入图像进行扫描，提取特征。滤波器在图像上滑动，进行卷积运算，生成特征图。每个滤波器都能检测到...
卷积神经网络-理论基础.docx
10-24
深度学习和人工智能方面的预备知识！
CS231卷积神经网络
04-21
CS231n课程不仅涵盖了这些基础知识，还包括深度学习框架的使用（如TensorFlow、PyTorch）、模型评估与验证、超参数调优等内容，是学习卷积神经网络的宝贵资源。通过学习该课程，你可以深入理解CNN的工作机制，并掌握...
13 卷积神经网络（基础）
qq_41033011的博客
10-30 1197
卷积神经网络   这篇博客主要介绍卷积神经网络（Convolutional Neural Network），简称 CNN。      我们在上一篇博客中介绍了全连接的神经网络，如果一个网络中全都是由线性层串联起来，那么我们称这个网络为全连接网络，下图就是在上篇博客中介绍的全连接网络。      下面我们来探讨一下处理图像的时候经常用到的二维卷积神经网络。首先我们来看一下它的工作方式是怎样的？      之前说过我们输入的 MNIST数据集中的图像是 1x28x28（CCCxWWWxHHH） 的张量，然后我
2-10 卷积神经网络（CNN）
a131529的博客
11-11 154
CNN在诞生之初主要用于CV领域，但是由于其结构的特殊性，其也可以用于NLP领域的情感分类和关系分类等。
卷积神经网络学习笔记(基本理解）
weixin_61576710的博客
07-31 821
1

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值