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:
小区域处的权重矩阵:
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=
宽度:W2=
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!!!