卷积神经网络(CNN)

卷积神经网络主要就是应用于计算机视觉(CV)当中!

可以做啥?

检测任务:检测追踪

分类与检索:分类看图像是啥,检索比如说淘宝里面识别一张图片得到类似商品

超分辨率重构

医学任务等

无人驾驶

人脸识别

传统神经网络与卷积神经网络的区别

卷积神经网络拿到一张图像直接进行处理,不需要将图像中的点拉成一维向量;

整体架构

卷积层:提取特征

池化层:压缩特征

卷积

h*w*c

上面的一块小区域的样本点矩阵:

\begin{bmatrix} 3 &1 &2 \\ 2 & 0 & 0\\ 2& 0& 0 \end{bmatrix}

小区域处的权重矩阵:

\begin{bmatrix} 0 &1 & 2\\ 2&2 & 0\\ 0& 1& 2 \end{bmatrix}

例:三颜色通道分别计算:

对于相同的数据使用不同的filter可以得到不同的特征图,然后将这些不同的特征图堆叠在一起,可以用不同的filter使得提取的特征更加丰富;

上面生成了一个28*28*6的特征图;

堆叠的卷积层

卷积层设计参数

  • 滑动窗口步长

  • 卷积核尺寸
  • 边缘填充

  • 卷积核个数

特征图的个数

长度:H2=\frac{H1-F_{H}+2P}{S}+1

宽度:W2=\frac{W1-F_{W}+2P}{S}+1

池化层

只会改变长和宽,C不变;

最大池化:

还有average池化,但是研究表明,最大池化效果最好;

池化没有涉及到任何矩阵的计算,只是对数据进行了压缩筛选;

感受野

该层的数据是由前面多少个数据参与计算得到的(即感受到的数据)

图中最后的一个红色区域的感受野是5*5;

感受野越大越好!!!

  • 10
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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