本文是李宏毅机器学习的笔记,这是第六节,介绍了常用于图像处理的卷积神经网络CNN。
1. Image Classification
用全连接网络处理图片并不是一个好的想法,因为图片一般都很大,所以全连接的网络,计算复杂度是很大的,我们可以观察图片的特点,通过图片的特点,用特定的神经网络来处理图片。
Observation 1
![](https://img-blog.csdnimg.cn/98ef006dfb564f7dbe1cbc5fb54932ae.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAdnJlcmFpbg==,size_20,color_FFFFFF,t_70,g_se,x_16)
![](https://img-blog.csdnimg.cn/c7d8569cb514473690260862f03b7356.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAdnJlcmFpbg==,size_20,color_FFFFFF,t_70,g_se,x_16)
从上述观察中可以看出,神经网络的节点只会看到图片的一部分,通过这一部分来判断这张图片的类别。针对这一特点,我们设定了一个Receptive field,也就是所谓的感受野,感受野可以overlapped,不够的部分可以进行padding操作(例如用0补充)
![](https://img-blog.csdnimg.cn/d305a80feb734923b41e07e469a9e812.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAdnJlcmFpbg==,size_20,color_FFFFFF,t_70,g_se,x_16)