轮廓识别
一.基础概念
选择一个局部区域,用这个局部区域去扫描整张图片,连接局部区域所圈起的节点连接到下一个层的一个节点上、
1.全连接OS大数据宽依赖
(1)全连接
(2)宽依赖
2.局部连接
(1)局部连接
3.非线性映射
通过激活函数对输入值进行激活(过滤)
4.filter
一个[n,n…,n](n>0)的矩阵框,用于图片扫描****及特征提取
示例: 第一副GIF中的红框就是(2*2)
5.高维输入
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QwZlPPlh-1627978338703)(:/56b8077b0abd47109cd21a8e24558848)]
二.卷积
先选择局部区域,用这个局部区域去扫描整张图片,局部区域所圈住的所有节点传输个下一层
三.池化
将输入值分割成块,选取块中的特征值代表这个块(特征提取)
四.全连接层
五.Conv2D卷积函数了解
input接受: (样本个数,通道数,行数,列数)4维数据
参数名 | 解释 | 作用 |
---|---|---|
input | 接受输入数据 | 为卷积通过样本输入窗口 |
filters | 4D卷积过滤器 | 设卷积的样本扫描框(>=4维) |
strides | 滑动窗口的步幅 | 设定扫描的移动步长 |
padding | 卷积的填充算法 | 针对卷积后的异常数据进行填充 |
六.MaxPool2D池化函数了解
参数名 | 解释 | 作用 |
---|---|---|
pool_size | 垂直和水平因素,通过它缩小规模。 | |
strides | 步长 | 设定扫描的移动步长 |
padding | 池化的填充算法 | 针对池化后的异常数据进行填充 |