揭开神经网络的面纱---CNN explainer

参考资料

  • <数字图像处理>第三版第十一章,第十二章
  • <opencv3 计算机及视觉 python语言实现> 第二版第三章

前言

通过本文,您将学到:

  • 数字图像处理基本方法
  • 模式识别,神经网络,CNN基本概念
  • 神经元模型, 感知机
  • CNN发展与分析

模式识别

数字图像处理

from: (<opencv3 计算机及视觉 python语言实现> 第二版第三章)
  • 色彩空间域增强hsv变换,色彩空间转换
  • 高通滤波器HPF和低通滤波器LPF
  • 模糊函数和边缘检测函数

表示和描述:

from: (<数字图形处理>第三版第十一章)
  • 表示
    • 外部表示: 如果关注形状特征
    • 内部表示:关注颜色或者纹理等
    • 边界追踪算法
  • 边界描述子
  • 区域描述子
  • 尺度不变特征变换SIFT
    在这里插入图片描述

特征表示方法

  • 特征向量
  • 串和树(描述结构)

opencv实现

(此处NULL)

感知机 (神经网络基本单元)

在这里插入图片描述
推荐一个网站: 神经网络游乐园

  • FC计算

缺点:

  • 无法解决XOR问题

参考博客
零基础入门深度学习(1) - 感知器

CNN处理方法

CNN的特点

  • 局部感知: 感知大小通过卷积核大小设置超参
  • 权值共享: 卷积核的参数共享给输入feature map layer运算
  • 减少了参数量,符合人类视觉的特点
  • 参考博客: 卷积动画详解

CNN特征提取

卷积核对input layer每一层特征进行卷积运算,求和输出结果,但是参数量依然很大,mobilnet使用depthwise-separable conv降低参数量,可部署到边缘设备.
参考博客:
CNN-mobilnet系列论文解读与应用

CNN可视化— CNN explainer

CNN explainer

作者大佬Zijie (Jay) Wang个人博客
论文
传送门:

前端知识

  • 前端UI框架 Svelte
  • 类似UI框架bootstrap
  • 前端打包工具 — rollup
  • 发布脚手架— sirv-cli

部署
查看分析: http://192.168.88.237:5000

  • conv+relu
    在这里插入图片描述
  • max pooling
  • FC层

demo — 以MNIST为例

cnn应用代码

CNN设计思路

参考博客:
CV综述图像分类整理—目录

VGG module

inception module

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值