本文详细介绍了CNN（卷积神经网络）的训练流程，包括图像预处理的尺度调整、对比度变换（对比受限的自适应直方图均衡化效果最佳）和图像扭曲。接着，文章描述了CNN处理流程，使用在线梯度下降算法训练，并在验证误差为零时停止，通常在10到50个迭代周期后。初始权重随机分布在[-0.05, 0.05]，激活函数采用双曲正切。"
125058812,13591961,制作启动盘WINFE：安全取证环境搭建指南,"['安全', '系统安全', '取证技术']
CNN
训练流程
1
、图像预处理
(
1
)
尺度调整：将不同大小的训练样本集图像尺寸调整为
48*48
(
2
)
对比度变换：将图像对比度归一化的三种方法
A.
将三个彩色空间的像素围绕平均像素强度线性变换加减一
个标准偏差。
B.
将三个彩色空间的像素围绕平均像素强度线性变换加减两
个个标准偏差。
C.
Contrast-limited
Adaptive
Histogram
Equalization
(CLAHE)
对比受限
的自适应直方图均衡化。
第三种对比度变换产生的效果最好。
图像扭曲：
图像的位移，
旋转度和尺度变换大小值都是在特定范围均匀分布
的，在正负
10%
范围内。
2
、卷积神经网络处理流程
Our plain feed-forward CNN architecture is trained using on-line gradient descent. Images from
the training set might be translated, scaled and rotated, whereas only the original images are used for
validation. Training ends once the validation error is zero (usually after 1
最低0.47元/天 解锁文章
扫一扫
5596
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
