计算机视觉与深度学习第六章：卷积神经网络

最新推荐文章于 2024-10-18 20:00:06 发布
最新推荐文章于 2024-10-18 20:00:06 发布
阅读量576 收藏 1
点赞数
分类专栏： 计算机视觉与深度学习之旅 文章标签： 计算机视觉 深度学习 人工智能
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_43312470/article/details/123312830
版权

本文按照北京邮电大学计算机学院鲁鹏老师的计算机视觉与深度学习课程按章节进行整理，需要的同学可借此系统学习该课程详尽知识~

第六章 卷积神经网络

全连接神经网络瓶颈

在这里插入图片描述

卷积神经网络

卷积层

在这里插入图片描述

卷积网络中的卷积核

基于卷积核组的图像表示
在这里插入图片描述
卷积网络中的卷积核
在这里插入图片描述

卷积网络中的卷积操作

在这里插入图片描述

卷积步长

卷积神经网络中，卷积核可以按照指定的间隔进行卷积操作，这个间隔就是卷积步长。
在这里插入图片描述

边界填充

在这里插入图片描述

  • 卷积操作后的图像要小于输入时图像，通过边界填充，我们可以实现卷积前后图像的尺寸不变
  • 一种最常用的边界填充就是常数填充（常用零值填充）

在这里插入图片描述

特征响应图组尺寸计算

在这里插入图片描述

激活层

在这里插入图片描述
前面章节已有介绍，本节不再赘述。

池化层

在这里插入图片描述
➢ 池化的作用：对每一个特征响应图独立进行，降低特征响应图组中每个特征响应图的宽度和高度，减少后续卷积层的参数的数量，降低计算资源耗费，进而控制过拟合。

➢ 池化操作:对特征响应图某个区域进行池化就是在该区域上指定一个值来代表整个区域。

➢ 常见的池化操作

  • 最大池化——使用区域内的最大值来代表这个区域
  • 平均池化——采用区域内所有值的均值作为代表

➢ 池化层的超参数：池化窗口和池化步长

池化示例

在这里插入图片描述
注：最大池化与上节图像基础操作非极大值抑制原理类似，可以类比进行思考！

全连接层

在这里插入图片描述
前面章节已有介绍，本节不再赘述。
注：卷积神经网络中的全连接层相当于全连接神经网络，卷积、激活、池化操作相当于在全连接神经网络实施前进行预处理工作！

113之落
关注
专栏目录
深度学习基础：卷积神经网络与全连接层
AI天才研究院
07-24 634
深度学习基础：卷积神经网络与全连接层 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 关键词：深度学习，卷积神经网络，全连接层，图像识别，机器学习 1. 背景介绍
机器学习之计算机视觉中的深度学习：卷积神经网络介绍
学习中
12-18 3195
机器学习之计算机视觉中的深度学习：卷积神经网络介绍
Chapter6 卷积神经网络(CNN)
tcn760的博客
04-12 2194
卷积神经网络(Convolutional Neural Network, CNN)是一种前馈神经网络，是一种专门用来处理具有类似网格结构的数据的神经网络。例如时间序列数据(可以认为是在时间轴上有规律地采样形成的一维网格)和图像数据(可以看作二维的像素网格)。卷积神经网络在诸多应用领域都表现优异。“卷积神经网络”一词表明该网络使用了卷积(convolution)这种数学运算。卷积是一种特殊的线性运算。卷积神经网络是指那些至少在网络的一层中使用卷积运算来替代一般的矩阵乘法运算的神经网络。 CNN网络主要有三部分
《白话深度学习与Tensorflow》读书笔记--第6章 卷积神经网络
vaeloverforever的博客
10-25 910
6.1与全连接网络的对比 ①全连接方式：每一个神经元节点的输入都来自于上一层的每一个神经元的输出。     全连接网络：整个网络的每一层都是以全连接方式完成的。 ②全连接网络的优点：每个输入纬度的信息都 会传播到其后的任何一个节点中去，会最大程度利用这个维度所贡献的因素。     全连接网络的缺点：由于都是全连接方式，使得训练过程中所要更新的权重非常多，因此训练速度很慢。更不适合图片识别这...
第六章.卷积神经网络(CNN)—卷积层(Convolution)&池化层(Pooling)
weixin_45116749的博客
02-20 4635
第六章.卷积神经网络(CNN)—卷积层(Convolution)&池化层(Pooling)
深度学习实战 第6章卷积神经网络笔记
qq_37402392的博客
11-19 3080
第6章 卷积神经网络 **卷积神经网络(Convolutional Neural Network,CNN)**是在实际应用中最为成功的一种神经网络，其专门用于处理格状结构数据，比如图片数据就可以看成是由像素组成的二维格状数据。之所以称为“卷积”是因为其数据处理方式类似于数学中的卷积操作，该网络也是人工智能领域受生物启发最成功的模型之一，该模型儿乎垄断了机器视觉方面的研究。 6.1 卷积操作 1.卷积的组成部分：卷积核（Kernel），特征映射或特征图（Feature Map）。卷积其实就是对数据加权求和。
第六章 图像识别与卷积神经网络
weixin_30668887的博客
03-12 281
这里有一篇原作者的博客：深入浅出Tensorflow（四）：卷积神经网络 6.2 卷积神经网络简介 卷积神经网络和全连接神经网络的整体架构非常相似，唯一区别就在于神经网络中相邻两层的连接方式，相邻两层之间只有部分节点相连，为了展示每一层神经元的维度，一般将每一层卷积层的节点组织成一个三维矩阵。 使用全连接神经网络处理图像的最大问题在于全连接层的参数太多，对于MNIST数据，一个...
学习笔记：深度学习（3）——卷积神经网络（CNN）理论篇
热门推荐
Morganfs的博客
04-12 10万+
深度学习笔记——CNN卷积神经网络理论篇。主要包括CNN的概念、基本原理、类型综述。算是比较完善的一篇文章了。
深度学习与计算机视觉：卷积神经网络入门
## 一、深度学习概述 ### 1.1 深度学习介绍 深度学习是机器学习领域中一种基于人工神经网络的算法。它模仿人脑的神经网络结构和工作方式来...深度学习通过构建卷积神经网络（Convolutional Neural Network，简称CNN）
PyTorch深度学习实战（11）——卷积神经网络
盼小辉丶的博客
08-14 1万+
卷积神经网络 (Convolutional Neural Network, CNN) 是一种广泛应用的深度学习模型。通过参数共享、局部感知和空间结构等优势，能够更好地处理图像数据，并在图像识别、目标检测和图像生成等任务中展现出强大的能力。在本节中，介绍了卷积的计算方法以及卷积神经网络的基本组件，并使用 PyTorch 构建了卷积神经网络以深入了解其工作原理。
用于特征图/卷积核/响应图可视化的网络
12-18
这个是为博客‘非黑盒矣-卷积神经网络的可视化’匹配的已经训练好的网络。 通过该网络和博文中阐述的代码，从而复现实验。
深度学习笔记 6 卷积神经网络
qq_41134483的博客
10-16 3551
卷积神经网络,可变形卷积DCN
【深度学习与计算机视觉】9、计算机视觉与卷积神经网络
呆呆的猫的博客
08-03 4147
一、神经网络到卷积神经网络 二、卷积神经网络的构成 三、卷积神经网络的训练 四、卷积神经网络的特点 五、正则化与Dropout 一、神经网络到卷积神经网络 人工神经网络可以用于计算机视觉吗？ 可以 为什么利用卷积神经网络？ 人工神经网络全连接结构对内存要求非常高，而且大量的参数会导致过拟合，参数过多学习能力太强，会把所有样本点记下来，以至于在测试集的泛化性能很差。 ...
深度学习入门06----卷积神经网络
__Miracle__
09-22 1976
7.1　整体结构 7.2　卷积层 7.2.1　全连接层存在的问题 7.2.2　卷积运算 7.2.3　填充 7.2.4　步幅 7.2.5　3 维数据的卷积运算 7.2.6　结合方块思考 7.2.7　批处理 7.3　池化层 池化层的特征 7.4　卷积层和池化层的实现 7.4.1　4 维数组 7.4.2　基于 im2col 的展开 7.4.3　卷积层的实现 7.4.4　池化层的实现 7.5　CNN 的实现 7.6　CNN 的可视化 7.6.1　第 1 层权重的可视化 7.6....
【从零开始学习Tensorflow】（四）第6章 图像识别与卷积神经网络
欢迎来到无尾君的小窝
04-10 4717
转载请注明作者和出处： https://blog.csdn.net/weixin_37392582 代码平台：https://gitee.com/wuweijun 开发平台： Win10 + Python3.6 + Anaconda3 笔  者： 无尾 笔者注：【从零开始学习Tensorflow】系列博客为《Tensorflow + 实战 Google 深度学习框架》一书的学...
YOLO11改进|注意力机制篇|引入CoT注意力机制
A1983Z的博客
10-14 888
YOLO11中添加CoT注意力机制
opencv学习：基于计算机视觉的表情识别系统
最新发布
mohanyelong的博客
10-18 625
opencv学习：基于计算机视觉的表情识别系统
《OpenCV计算机视觉》—— 风格迁移
weixin_73504499的博客
10-15 338
将图片换一种风格展示
100多种【基于YOLOv8/v10/v11的目标检测系统】目录（python+pyside6界面+系统源码+可训练的数据集+也完成的训练模型）
2401_85556416的博客
10-13 414
待更新...............................................................................
深度学习进化：卷积神经网络结构演进与突破
卷积神经网络（CNN，Convolutional Neural Networks）自1980年代末由Yann LeCun等人提出以来，经历了众多的改进和创新，逐渐发展成为深度学习领域的核心组成部分。本资料由刘昕博士总结，详细梳理了CNN结构的演变...
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