CNN简单介绍及基础知识

最新推荐文章于 2024-08-05 11:09:30 发布

Python大视觉

最新推荐文章于 2024-08-05 11:09:30 发布

阅读量1.8w

点赞数 18

分类专栏：深度学习

本文链接：https://blog.csdn.net/weixin_41792162/article/details/118250917

版权

文章目录

一）卷积神经网络历史沿革

二）CNN简单介绍

三）CNN相关基础知识

前言

在过去的几年里，卷积神经网络(CNN)引起了人们的广泛关注，尤其是因为它彻底改变了计算机视觉领域，它是近年来深度学习能在计算机视觉领域取得突破性成果的基石。它也逐渐在被其他诸如自然语言处理、推荐系统和语音识别等领域广泛使用。在这里，主要从三个方面介绍CNN，

（1）CNN历史发展（2）CNN简单介绍（3）CNN相关基础知识

一、卷积神经网络历史沿革

卷积神经网络的发展最早可以追溯到上世纪60年代，Hubel等人通过对猫视觉皮层细胞的研究，提出了感受野这个概念，到80年代，Fukushima在感受野概念的基础之上提出了神经认知机的概念，可以看作是卷积神经网络的第一个实现网络。而后随着计算机软硬件技术的发展，尤其GPU，使得CNN快速发展，在2012年ImageNet大赛中CNN由于其高精确度脱颖而出，于是，深度学习正式进入人们的视野。而后，R-CNN,FAST-CNN,Faster-cnn等快速发展，在深度学习领域大放异彩。

1962年 Hubel和Wiesel

卷积神经网络的发展，最早可以追溯到1962年，Hubel和Wiesel对猫大脑中的视觉系统的研究。

1980年福岛邦彦

1980年，日本科学家福岛邦彦在论文《Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position》提出了一个包含卷积层、池化层的神经网络结构。

1998年 Yann Lecun

1998年，在这个基础上，Yann Lecun在论文《Gradient-Based Learning Applied to Document Recognition》中提出了LeNet-5，将BP算法应用到这个神经网络结构的训练上，就形成了当代卷积神经网络的雏形。

2012年 Hinton组

直到2012年，Imagenet图像识别大赛中，Hinton组的论文《ImageNet Classification with Deep Convolutional Neural Networks》中提到的Alexnet引入了全新的深层结构和dropout方法，一下子把error rate从25%以上提升到了15%，颠覆了图像识别领域。