CNN卷积神经网络
卷积神经网络是使用卷积层(Convolutional layers)的神经网络,基于卷积的数学运算。主要应用于计算机视觉的数字图像处理领域,卷积层由一组滤波器组成,滤波器可以视为二维数字矩阵。如下图所示这是一个示例3x3滤波器:**索伯滤波器**(Sobel filter)
卷积的含义
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(逐个元素相乘再求和)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。
CNN卷积神经网络层级结构
最左边是数据输入层,对数据做一些处理,比如去均值(把输入数据各个维度都中心化为0,避免数据过多偏差,影响训练效果)、归一化(把所有的数据都归一到同样的范围)、PCA/白化等等。CNN只对训练集做“去均值”这一步。
CONV:卷积计算层,线性乘积 求和。
RELU:激励层,ReLU是激活函数的一种。
POOL:池化层,简言之,即取区域平均或最大。
FC: