前言
- 卷积神经网络的成功主要受两方面的限制:
- the available training sets —— 数据集
- the size of the considered networks. —— 网络深度(或者网络结构)
-
卷积神经网络的典型应用是分类,输出一个分类标签:
分类:一张图片得到一个类别标签。并不适用于其他任务。
如分割:图片中每个像素都要得到一个类别标签。 -
Ciresan提出的分割网络,采用围绕每个像素点的patch进行训练,patch的类别作为该像素点的类别。
优点:局部化;训练样本变多(图像块)
缺点:①每次只能跑一个图像块,重叠的图像块被跑了很多次(冗余)。② localization accuracy and the use of context 二者不可兼