CNN-卷积神经网络
卷积神经网络(Convolutional Neural Network, CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。 卷积神经网络由一个或多个卷积层和顶端的全连通层(对应经典的神经网络)组成,同时也包括关联权重和池化层(pooling layer)
解决了什么问题?
在 CNN 出现之前,图像对于人工智能来说是一个难题,有2个原因:
1、图像需要处理的数据量太大,导致成本很高,效率很低
2、图像在数字化的过程中很难保留原有的特征,导致图像处理的准确率不高
基本原理
典型的 CNN 由3个部分构成:
1、卷积层—提取特征
2、池化层—数据降维,避免过拟合
3、全连接层—输出结果
卷积层负责提取图像中的局部特征;池化层用来大幅降低参数量级(降维);全连接层类似传统神经网络的部分,用来输出想要的结果。
实际应用场景
1、图像分类、检索
2、目标定位检测
3、目标分割
4、人脸识别
5、骨骼识别