机器学习笔记6_Convolutional Neural Network (CNN)

最新推荐文章于 2023-01-19 21:07:37 发布
最新推荐文章于 2023-01-19 21:07:37 发布
阅读量382 收藏
点赞数
分类专栏： 深度学习笔记 文章标签： 机器学习
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_44028290/article/details/123619509
版权

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。

文章目录

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



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)

最低0.47元/天 解锁文章
vrerain
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
图像处理理论和应用---深度学习和卷积神经网络
weixin_46414576的博客
04-29 862
深度学习和卷积神经网络 卷积神经网络介绍 • 卷积神经网络（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于图像处理有出色表现。它包括卷积层（convolution layer），池化层（pooling layer）和全连接层（fully connected layer）。 • 20世纪60年代，Hube...
Machine Learning —— Convolutional Neural Network
David_B的博客
05-18 225
Machine Learning —— Convolutional Neural Network Why CNN for Image？ CNN V.s. DNN 我们当然可以用一般的neural network来做影像处理，不一定要用CNN，比如说，你想要做图像的分类，那你就去train一个neural network，它的input是一张图片，你就用里面的pixel来表示这张图片，也就是一个很长很长的vector，而output则是由图像类别组成的vector，假设你有1000个类别，那output就有1
神经网络—卷积神经网络CNN
weixin_58420524的博客
01-19 2926
CNN卷积神经网络的定义及层级结构
【深度学习】03-01-卷积神经网络-李宏毅老师21&22深度学习课程笔记
星辰不问
06-20 315
【深度学习】03-01-卷积神经网络-李宏毅老师21&22深度学习课程笔记
深度学习在智能交通的应用--综述
热门推荐
weixin_41074929的博客
01-31 1万+
论文作者：Yuan Wang a , Dongxiang Zhang b, ⁎ , Ying Liu b , Bo Dai b , Loo Hay Lee a 1.Introduction 智能交通系统（ITS）是由先进的数据通信、信息处理和交通管理技术组成的综合交通管理系统。近年来，深度学习在计算机视觉、速度识别和自然语言处理方面取得的成功使得人们很自然将其应用于ITS。我们将ITS中的应用程序...
【李宏毅机器学习笔记】9、卷积神经网络（Convolutional Neural Network，CNN）
01-20
【李宏毅机器学习笔记】1、回归问题（Regression） 【李宏毅机器学习笔记】2、error产生自哪里？ 【李宏毅机器学习笔记】3、gradient ...【李宏毅机器学习笔记】9、Convolutional Neural Network（CNN） ——————
【李宏毅机器学习笔记】6、简单介绍深度学习（Deep Learning）
01-06
【李宏毅机器学习笔记】1、回归问题（Regression） 【李宏毅机器学习笔记】2、error产生自哪里？ 【李宏毅机器学习笔记】3、gradient ...【李宏毅机器学习笔记】9、Convolutional Neural Network（CNN） ——————
【李宏毅机器学习笔记】7、反向传播（Backpropagation）
01-06
【李宏毅机器学习笔记】1、回归问题（Regression） 【李宏毅机器学习笔记】2、error产生自哪里？ 【李宏毅机器学习笔记】3、gradient ...【李宏毅机器学习笔记】9、Convolutional Neural Network（CNN） ——————
【李宏毅机器学习笔记】8、Tips for Training DNN
01-06
【李宏毅机器学习笔记】1、回归问题（Regression） 【李宏毅机器学习笔记】2、error产生自哪里？ 【李宏毅机器学习笔记】3、gradient ...【李宏毅机器学习笔记】9、Convolutional Neural Network（CNN） ——————
机器学习笔记本：一系列笔记本，可帮助机器学习和深度学习爱好者探索Python的基础知识和概念。 这也将是您进行超参数，网络构建或其他编程启发式实验的指南
02-07
机器学习探索 回购以探索基础知识，并了解是否有可能通过尝试新颖的数学思想进行改进。 如果您正在学习机器学习，这也是有用的资源。 是否想在自己的计算机上运行这些笔记本？ 首先安装 （或 ）， ，如果您具有...
聊一聊CV中的局部连接与参数共享
qq_17614495的博客
07-09 575
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、局部连接是什么？二、参数共享是什么？三、为啥要进行这两个操作？四、为啥这两个操作可以work？五、一些额外的思考？ 前言 无意间思考了一下这个问题。为啥局部连接和参数共享在CNN中可以work？ 一、局部连接是什么？ 不多废话，一张图清晰明了的解释了啥是局部连接 二、参数共享是什么？ 上图中显然参数是不共享的。 这张图也清晰的解释了啥是参数共享。 三、为啥要进行这两个操作？ 两者的一个关键作用就是减少参数数量。 四、为
Convolutional Neural Network(卷积神经网络超详细解释)
ygp12345的博客
10-03 6395
Why CNN for Image? 我们可以使用fully connect神经网络去进行图像识别，但是所需要的参数太多了！！我们要使用CNN(卷积神经网络)来简化。 一个神经元不必接收整张图的特征，比如说我有一个判断鸟嘴的神经元，我只需如下图所示，将鸟嘴那一部分传给神经元。 相同的pattern在不同区域时，我这个神经元就可以使用相同的参数来学习不同位置的pattern。 将图像缩小也是减少特征值或参数的方法，如下图，subsampling后还是能分辨出是鸟。 Convolutional Neur
卷积神经网络 图像处理,卷积神经网络图片识别
super67269的博客
08-12 2356
卷积神经网络（ConvolutionalNeuralNetwork,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。[1] 它包括卷积层(alternatingconvolutionallayer)和池层(poolinglayer)。卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。...
卷积神经网络（Convolutional Neural Network）
MapleStory的博客
12-04 3649
本博客是针对李宏毅教授在youtube上上传的机器学习系列课程视频的学习笔记。（视频地址）卷积神经网络（Convolutional Neural Network，简称CNN），在图像处理方面的效果一直非常突出。今天我们就来看一下CNN的原理，并探究一下其效果如此好的原因。为什么用CNN来识别图像（Why CNN for Image）Motivation to use CNN: previous fu
Reducing Spatial Redundancy in Convolutional Neural Networks with Octave Convolution——论文笔记
serryuer的博客
04-18 966
文章目录1. Motivation2. 相关工作2.1 提高CNN框架的效率2.2 多尺度表示学习3 网络结构3.1 Octave特征表示3.2 Octave 卷积3.3实现细节 论文传送门： Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave Convolution 1....
Paper | Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave Con...
LVXIAO2897的博客
04-16 414
目录 1. 尺度空间理论（scale-space theory） 2. OctConv 3. 启发 论文：Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Oc...
论文笔记：Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave Convol
水不在深有江的博客
04-18 3637
论文地址：https://export.arxiv.org/abs/1904.05049 这是一篇最近新出的论文，引起了非常广泛的关注。比较期待后续代码的公布。 题目即文章的主要思想，表达很明确：对传统的convolution进行改进，以降低空间冗余。其中“Drop an Octave”指降低八个音阶，代表频率减半。 motivation 文章首先指出，在自然图像中，图片分为低频部分和高频部分...
[深度学习从入门到女装]Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave
炼丹师
04-21 964
论文地址：Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave Convolution 一篇来自于facebook的论文，对传统conv进行改进 本文的思想挺有意思，在传统的图像分割的领域中，经常把图像decompose成low-frequecy低频和high-frequen...
Convolutional Neural Networks (CNNs / ConvNets)
moonlightpeng的博客
11-02 1368
原文链接CS231n Convolutional Neural Networks for Visual Recognition Table of Contents: Architecture Overview ConvNet Layers Convolutional Layer Pooling Layer Normalization Layer Fully-Connected Layer Converting Fully-Connected Layers to Convolutio.
卷积神经网络（Convolutional Neural Network，CNN）的概念
最新发布
06-09
卷积神经网络（Convolutional Neural Network，CNN）是一种专门用于处理具有类似网格结构的数据的神经网络，常用于图像、语音和自然语言处理等领域。 CNN 的核心思想是通过卷积操作来提取输入数据中的特征，卷积...

“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