图像处理（卷积神经网络）常见名词记录

最新推荐文章于 2024-07-25 10:48:05 发布
最新推荐文章于 2024-07-25 10:48:05 发布
阅读量899 收藏 1
点赞数
分类专栏： 深度学习 文章标签： 图像处理 深度学习
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_43471945/article/details/127695064
版权

在刚开始学习深度学习的时候，经常会被一些专有名词吓住，不知道什么意思，很多专业名词通俗的说很简单，因此这里用自己的话记录一下各个词语的意思。

1.卷积

卷积是图形学基本的运算，通过一个卷积核进行卷积操作。用一个图很容易描述。

2.下采样（under-sampling）

3.池化

通俗的讲，池化就是把图片变小，为了能够降低计算机的计算量。
常用的池化方式有3种:最大池化（max pooling）、均值池化(mean pooling)和全局最大池化。
在这里插入图片描述

4.batch_size

5.梯度下降

寻找损失函数的最低点

6.学习率

每一次移动的距离
学习率不能太小，也不能太大

有趣的野鸭
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
基于卷积神经网络的多文本特征问答系统.pdf
09-26
卷积神经网络在图像处理和机器翻译等领域已取得显著成果，其在问答系统中的应用主要是通过卷积操作来提取文本特征。在提出的问答系统模型（QA-Model）中，问题（Q）经过嵌入层转化为向量VQ，然后输入到CNN进行处理，...
神经网络相关的术语
liuyukuan的专栏
06-08 2821
相关的术语 为了帮助你了解各种术语，我已经将它们分成3组。如果你正在寻找特定术语，你可以跳到该部分。如果你是这个领域的新手，那我建议你按照我写的顺序来通读它们。 1.神经网络基础（Basics of Neural Networks）                                  ——常用激活函数（Common Activation Functi
深度学习-卷积神经网络（CNN）名词解析
算法之美
11-29 2086
卷积神经网络（CNN）中feature map、卷积核、卷积核个数、filter、channel的概念解释，以及CNN 学习过程中卷积核更新的理解。
经典卷积神经网络详解（AlexNet、VGG、NiN、GoogLeNet、ResNet、DenseNet、CSPNet、Darknet、EfficientNet、SqueezeNet..）
zyw2002的博客
03-04 1万+
经典卷积神经网络详解（AlexNet、VGG、NiN、GoogLeNet、ResNet、DenseNet、CSPNet、Darknet、EfficientNet、SqueezeNet,MobileNet,GhostNet等）
卷积神经网路中的一些术语
LRJ的博客
12-15 1225
Epoch：1个epoch等于使用训练集中的全部样本训练一次，通俗的讲几次epoch就是整个数据集被轮几次 Batch Size：全部数据是分批来训练的，批的大小称为Batch Size iteration：1个iteration等于使用batchsize个样本训练一次，也就是说训练一批的样本，称为一次迭代 比如训练集有500个样本，batchsize = 10 ，那么训练完整个样本集：iteration=50，epoch=1. batch: 深度学习每一次参数的更新所需要损失函数并不是由一个数据获得的，而
卷积神经网络常用名词的个人理解
m0_60657960的博客
03-15 612
对图像（不同的数据窗口数据）和滤波矩阵（一组固定的权重：因为每个神经元的多个权重固定，所以又可以看做一个恒定的滤波器filter）做内积（逐个元素相乘在求和）的操作就是所谓的“卷积”操作，也是卷积神经网络的名字来源。即带着一组固定权重的神经元，多个滤波器叠加便成了卷积层。
卷积神经网络（CNN）相关的基础知识
深度学习领域优质创作者，CSDN博客专家
12-14 1950
卷积神经网络的结构： Conv-->ReLU-->Pooling-->Conv-->ReLU-->Pooling-->Conv-->ReLU-->Affine-->ReLU-->Affine-->Softmax
图像（深度）领域中的一些专业术语
穹顶之下
11-27 757
一、什么是端到端（End-to-End）   端到端说白了就是省去了中间过程，直接从输入端到输出端，没有中间层次的步骤参与到整个系统的处理过程中。在传统图像领域，中间层次的过程，可以理解为特征（HOG、HOF、SIFT）提取过程（输入图像->特征提取->输出结果）；那么端到端的过程就是没有单独的特征提取过程（输入图像->输出结果）。   从NLP的角度对端到端进行理解：   相对...
Python实现基于卷积深度神经网络的关系分类.zip
08-29
在本文中，我们利用卷积深度神经网络（DNN）提取词法和句子级别的功能。我们的方法将所有单词标记作为输入没有复杂的预处理。首先，单词标记被转换为向量查找单词嵌入。然后，根据给定的词汇级别特征提取名词。 详细...
基于卷积深度神经网络的句子单子关系分类
01-17
本文利用卷积深度神经网络（DNN）提取词法和句子级别的功能。我们的方法将所有单词标记作为输入没有复杂的预处理。首先，单词标记被转换为向量查找单词嵌入。然后，根据给定的词汇级别特征提取名词。同时，使用卷积...
神经网络必须知道的名词
10-18
高清版神经网络必须知道的名词集合，里面有中文翻译和英文原版资料，高清图片集，你值得拥有。可以直接打印出来，用于自己日后参考。
网络常见名词
04-22
计算机网络常见名词,分析，辩解，便于更好的理解，记忆
图像卷积与滤波的一些知识点
热门推荐
zouxy09的专栏
10-12 20万+
图像卷积与滤波的一些知识点zouxy09@qq.comhttp://blog.csdn.net/zouxy09       之前在学习CNN的时候，有对卷积经常一些学习和整理，后来就烂尾了，现在稍微整理下，先放上来，以提醒和交流。一、线性滤波与卷积的基本概念      线性滤波可以说是图像处理最基本的方法，它可以允许我们对图像进行处理，产生很多不同的效果。做法很简单。首先，我们有一个二维的滤波器矩
CNN中的常用术语
weixin_44943389的博客
10-11 86
在卷积操作中，可以在输入数据的边缘周围添加额外的值，这称为填充。：滤波器是卷积操作中的参数，用于提取输入数据的特征。这些术语是卷积神经网络领域中的基本概念，了解它们可以帮助你理解CNN的工作原理以及如何设计和训练一个有效的网络模型。：全连接层将前一层的所有神经元与当前层的所有神经元连接，用于将前面层提取的特征进行组合和分类。：迁移学习是一种利用在一个任务上训练好的模型来加速另一个相关任务的训练过程的技术。：在卷积层中，每个滤波器都会生成一个特征图，特征图是经过卷积操作后的输出。
【神经网络】----神经网络常用术语及概念 （持续更新）
qq_44878985的博客
03-02 3213
学习神经网络要先了解常用术语，就像学习走路之前得学会吃饭。。。
卷积神经网络基础名词
jiaotongqu6470的博客
05-18 346
CNN 有两大特点： 能够有效的将大数据量的图片降维成小数据量。 能够有效的保留图片特征，符合图片处理的原则。 在CNN出现之前，图像的处理对于人工智能来说，是一个难题。有两个原因： 图片需要处理的数据量太大，导致成本高，效率低。 图像在数字化的过程中很难保留原有的特征，导致图像处理的准确率不高。 需要处理的数据量太大： 图片是由像素构成，每个像素又是由RGB三个参数来表示颜色。 比如，一个10001000 像素的图像，就是10001000 个方块，每个方块都是由RGB三个值来表示。 卷积神经网络
深度学习 CNN模型中，卷积神经网络中常用名称的解释。
weixin_43960370的博客
05-11 941
文章目录paddlepaddle深度学习框架的一般步骤CNN模型中，卷积神经网络中常用名称的解释。网络搭建 paddlepaddle深度学习框架的一般步骤 CNN模型中，卷积神经网络中常用名称的解释。 网络搭建 在CNN模型中，卷积神经网络能够更好的利用图像的结构信息。下面定义了一个较简单的卷积神经网络。显示了其结构：输入的二维图像，先经过三次卷积层、池化层和Batchnorm，再经过全连接层，最后使用softmax分类作为输出层。 池化是非线性下采样的一种形式，主要作用是通过减少网络的参数来减小计算量
深度学习基础笔记——卷积神经网络概念及其计算方式
MengYa_Dream的博客
08-15 1万+
卷积神经网络（Convolutional Neural Network，CNN） 卷积 卷积核 神经网络公式 卷积运算方式 补0（zero padding）池化（Pooling） 激活函数RelU (Rectified Linear Units) 全连接层(Fully connected layers) 标准卷积计算举例1 x 1 卷积计算举例 全连接层计算举例常见的几种卷积神经网络介绍 LeNet AlexNet VGGNet ResNet
OpenCV 图像处理 轮廓检测基本原理
最新发布
weixin_46999174的博客
07-25 1899
轮廓发现是图像处理中的一个重要步骤，用于检测物体的边界和形状。本文讲解了基本实现原理和代码实现
卷积神经网络相关名词
10-14
卷积神经网络（Convolutional Neural Network，CNN）是一种常用于像识别、语音识别等领域的深度学习模型。以下是一些与卷积神经网络相关的名词： 1. 卷积层（Convolutional Layer）：卷积神经网络中的核心层，通过卷积操作提取图像特征。 2. 池化层（Pooling Layer）：对卷积层输出的特征图进行下采样，减小特征图的尺寸，降低计算量。 3. 全连接层（Fully Connected Layer）：将卷积层和池化层输出的特征图展开成一维向量，再通过全连接层进行分类或回归。 4. 激活函数（Activation Function）：在卷积神经网络中，常用的激活函数包括ReLU、Sigmoid、Tanh等，用于引入非线性因素。 5. 权重（Weight）：卷积神经网络中每个神经元都有对应的权重，用于调整输入信号的影响程度。 6. 偏置（Bias）：卷积神经网络中每个神经元都有对应的偏置，用于调整神经元的激活阈值。
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

打赏作者

有趣的野鸭

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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