一、卷积神经网络基本概念
- 卷积神经网络(Convolutional Neural
Network,CNN)主要使用在处理图像和视频分析的各种任务上,比如图像分类,人脸识别、物体识别、图像分割等。 - 三个观点:
局部性:图片特征只存在局部;
不变性:图片进行下采样,图片性质保持不变。
相同性;
二、卷积神经网络主要层结构
1、卷积层
(1)卷积层是卷积神经网络的核心
(2)卷积神经网络的参数是由一些科学系的滤波器集合构成的,每一个滤波器在空间(高和宽)都比较小,深度和输入数据保持一致。在前向传播时,让每个滤波器都在输入数据的高度和宽度上滑动(卷积),然后计算整个滤波器和输入数据任意一处的内积。
(3)滤波器沿着输入数据的高度和宽度滑动时,会产生一个二维的激活图,表示了原图对滤波器的反应。在每个卷积层上,会有一整个集合的滤波器,比如20个,这样会形成20张二维的、不同的激活图,这些激活图在深度方向上层叠起来就形成了卷积层的输出。
几个小滤波器卷积层比一个大的滤波器卷积层要好,因为效地卷积组合能够对输入数据表达出更有力的特征,同时使用的参数也更少。
(4)感受野:与神经元连接的空间大小就叫做神经元的感受野,大小是人为设置的超参数,就是滤波器的宽和高,深度和输入数据的深度一致。
(