CNN：卷积神经网络的原理，卷积、归一化、池化等

最新推荐文章于 2025-04-19 15:56:42 发布
最新推荐文章于 2025-04-19 15:56:42 发布
阅读量9.4k 收藏 76
点赞数 15
分类专栏： 课程学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42872122/article/details/103362482
版权

零、巴拉巴拉

参考视频链接(号称最好的卷积神经网络讲解视频)：

https://www.bilibili.com/video/av16175135?from=search&seid=183876657971548042

本文仅介绍CNN的工作原理

一、前言

 1.1、CNN的作用

简单的讲，CNN的功能即为一个处理黑箱。输入一张图片的像素信息，经过CNN处理之后，输出该图片中的物体是什么。

即使图片经过平移、缩放、旋转、加厚等操作，仍然能有效识别出来。 

放一张数据结构打开图，这张图的详细步骤流程会在下文叙述

 1.2、图片信息

那么图片信息是如何表示的呢？

在计算机中，图片是以每个像素值所组成的矩阵表示的。在灰度图中，1表示白色，-1表示黑色。

那么怎么判断图片之间的相似性呢？ 

如图所示的图片(旋转不变性)，将其分为几个块，可以看出，虽然图像整体发生了变化，但是每个块内对应的子特征却没有变化。即认为两张图中的物体具有相似性。

最低0.47元/天 解锁文章
计算机视觉卷积神经网络（CNN）基础：从LeNet到ResNet
CSDN博客专家，系统架构师，有合作、疑惑请私信博主。
04-11 14万+
计算机视觉卷积神经网络（CNN）基础：从LeNet到ResNet，在计算机视觉领域，卷积神经网络（Convolutional Neural Network，CNN）已然成为推动众多任务发展的核心力量。从早期简单的图像识别，到如今复杂的目标检测、语义分割、图像生成等任务，CNN 都展现出了卓越的性能。CNN 的发展历程见证了一系列经典模型的诞生，其中 LeNet 作为开山之作，为 CNN 的发展奠定了基础，而 ResNet 则通过创新性的设计，突破了传统神经网络的限制，使得网络能够构建得更深、性能更优。
学习笔记TF014:卷积层、激活函数、池化层、归一化层、高级层
ahua2886的博客
05-25 864
CNN神经网络架构至少包含一个卷积层 (tf.nn.conv2d)。单层CNN检测边缘。图像识别分类，使用不同层类型支持卷积层，减少过拟合，加速训练过程，降低内存占用率。 TensorFlow加速所有不同类弄卷积层卷积运算。tf.nn.depthwise_conv2d，一个卷积层输出边接到另一个卷积层输入，创建遵循Inception架构网络 Rethinking the Incepti...
CNN原理
卑微前行
05-23 872
一、卷积对图像（不同的数据窗口数据）和滤波矩阵（一组固定的权重：因为每个神经元的多个权重固定，所以又可以看做一个恒定的滤波器filter）做内积（逐个元素相乘再求和）的操作就是所谓的『卷积』操作，也是卷积神经网络的名字来源。如图所示，1*1+1*0+1*1+0*0+1*1+1*0+0*1+0*0+1*1=4，所以对原图片进行卷积后的第一个值为4，后面也一样。那个乘以原图片的矩阵叫做卷积核，具体用来...
深度学习--卷积神经网络CNN原理
最新发布
m0_65065095的博客
04-19 1237
对图像（不同的数据窗口数据）和卷积核（一组固定的权重：因为每个神经元的多个权重固定，所以又可以看做一个恒定的滤波器filter）做内积（逐个元素相乘再求和）的操作就是所谓的【卷积】操作，也是卷积神经网络的名字来源。首先，将这个卷积核顺序对应图片的每一个位置，将然后使其进行点乘，将相乘的结果求和得到一个值即为卷积后图片的像素点的像素值，最终内积完得到一个结果叫特征图。
卷积神经网络(CNN)原理详解
IT之一小佬的博客
06-17 2万+
卷积神经网络(CNN)原理详解 1. 卷积神经网络的组成 定义 卷积神经网络由一个或多个卷积层、池化层以及全连接层等组成。与其他深度学习结构相比，卷积神经网络在图像等方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他浅层或深度神经网络，卷积神经网络需要考量的参数更少，使之成为一种颇具吸引力的深度学习结构。 我们来看一下卷积网络的整体结构什么样子。 其中包含了几个主要结构 卷积层（Convolutions） 池化层（Subsampling） 全连接层（Full c
CNN原理介绍
qq_33135733的博客
07-03 493
本文将详细介绍卷积神经网络以及它的训练算法，以及动手实现一个简单的卷积神经网络。https://www.zybuluo.com/hanbingtao/note/485480 一个新的激活函数——Relu 最近几年卷积神经网络中，激活函数往往不选择sigmoid或tanh函数，而是选择relu函数。Relu函数的定义是： Relu函数图像如下图所示： Relu函数作为激活函数，有下面几大优势： 速度...
卷积神经网络概念与原理
热门推荐
yunpiao123456的专栏
09-05 30万+
一、卷积神经网络的基本概念 受Hubel和Wiesel对猫视觉皮层电生理研究启发，有人提出卷积神经网络（CNN），Yann Lecun 最早将CNN用于手写数字识别并一直保持了其在该问题的霸主地位。近年来卷积神经网络在多个方向持续发力，在语音识别、人脸识别、通用物体识别、运动分析、自然语言处理甚至脑电波分析方面均有突破。 卷积神经网络与普通神经网络的区别在于，卷
CNN的作用
weixin_41295283的博客
09-17 2768
1、输入层 与传统神经网络/机器学习一样，模型需要输入的进行预处理操作，常见的输入层中预处理方式有： 去均值 归一化 PCA/SVD降维等 2、卷积层 提取特征，通常或产生超高的维度 3、激励层 所谓激励，实际上是对卷积层的输出结果做一次非线性映射。 　　如果不用激励函数（其实就相当于激励函数是f(x)=x），这种情况下，每一层的输出都是上一层输入的线性函数。容易得出，无论有多少神经网络层，输出都...
卷积神经网络(CNN,ConvNet)及其原理详解.pdf
03-13
卷积神经网络（CNN，或ConvNet）是一种深度学习模型，尤其在图像处理领域表现出色，但其应用已扩展到语音识别、自然语言处理等多种任务。CNN的核心特性包括局部感受野、权重共享和池化。 1. 局部感受野：CNN中的每...
【人工智能基础07】卷积神经网络基础（CNN）：卷积神经网络结构、各层计算原理，以及常见卷积神经网络
hiliang521的博客
08-03 6136
卷积神经网络
matlab程序代码金字塔-Exemplar-CNN:卷积神经网络的判别式无监督特征学习
05-23
卷积神经网络（CNN）是深度学习领域中的一个重要模型，尤其在图像识别、计算机视觉任务中表现出色。Exemplar-CNN是一种判别式无监督特征学习方法，它结合了卷积神经网络的特性，旨在从无标注数据中自动学习表示。在...
CNN原理和简单实现
07-11
一份ppt介绍传统神经网络和卷积神经网络的区别和原理。并提供了代码实现
CNN原理详解
魔筝炼药师
05-21 525
待更新
机器学习算法之——卷积神经网络(CNN)原理讲解
Rick_rui的博客
06-02 2万+
我们知道神经网络的结构是这样的：那卷积神经网络跟它是什么关系呢？其实卷积神经网络依旧是层级网络，只是层的功能和形式做了变化，可以说是传统神经网络的一个改进。比如下图中就多了许多传统神经网络没有的层次。简而言之，卷积神经网络（Convolutional Neural Networks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。卷积神经网络的创始人是着名的计算机科学家Yann LeCun，目前在Facebook工作，他是第一个通过卷积神经网络在MNIST数据集上解决手写数字问题的人
CNN中的基本原理
Miracle_520的博客
06-21 4557
1.CNN基本原理(对应相乘再相加) 卷积神经网络能够识别图像，它的理论依据是卷积可以识别边缘，识别纹理，然后通过不断的卷积，提取出抽象的特征，最终实现图像识别。 局部感知 在传统神经网络中每个神经元都要与图片上每个像素相连接，这样的话就会造成权重的数量巨大造成网络难以训练。而在含有卷积层的的神经网络中每个神经元的权重个数都时卷积核的大小，这样就相当于没有神经元只与对应图片部分的像素相连接。这样就...
CNN原理简述
杨羊不是羊的博客
05-18 2517
一、传统神经网络与卷积神经网络 传统多层神经网络 传统意义上的多层神经网络是只有输入层、隐藏层、输出层。 卷积神经网络 卷积神经网络CNN，在原来多层神经网络的基础上，加入了更加有效的特征学习部分，具体操作就是在原来的全连接的层前面加入了部分连接的卷积层与池化层。 二、CNN的结构 卷积层(Convolutional Layer) 池化层(Max Pooling Layer) 全连接层(Fully Connected Layer) 卷积层（卷积+激活） 神经网络(neural networks)的基本组
CNN的工作原理
ShaneHolmes
10-15 1031
神经网络和深度学习 上一篇 主目录 下一篇 文章结构1 卷积核的特征提取 【前言】 在B站的一个视频上有一个《大白话讲解卷积神经网络》的教学视频，讲的很好很好，建议观看 视频链接 ...
深度学习 | CNN 基本原理
狂放不羁霸的博客
07-16 2577
1 什么是 CNN 2 输入层 3 卷积层 3.1 卷积操作 3.2 Padding 零填充 3.3 处理彩色图像 4 池化层 4.1 池化操作 4.2 池化的平移不变性 5 全连接层 6 输出层
深度学习-CNN基本原理
qq_35912099的博客
07-18 312
基本结构 W和X的计算过程 尺寸计算 权重共享的重要性 公式 下采样 Mean Max
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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