目录
一、什么是CNN?
将神经网络应用于大图像时,输入可能有上百万个维度,如果输入层和隐含层进行“全连接”,需要训练的参数将会非常多。如果构建一个“部分联通”网络,每个隐含单元仅仅只能连接输入单元的一部分,参数数量会显著下降。卷积神经网络就是基于这个原理而构建的。这其中的思想就是,降维或者说是特征选择,通过前面的卷积层或者池化层将重要的特征选取出来,然后全连接进行分类。特征是最重要的。
CNN的特点
(1)特定特征位移不变性
(2)特征缩放不变性
目录
将神经网络应用于大图像时,输入可能有上百万个维度,如果输入层和隐含层进行“全连接”,需要训练的参数将会非常多。如果构建一个“部分联通”网络,每个隐含单元仅仅只能连接输入单元的一部分,参数数量会显著下降。卷积神经网络就是基于这个原理而构建的。这其中的思想就是,降维或者说是特征选择,通过前面的卷积层或者池化层将重要的特征选取出来,然后全连接进行分类。特征是最重要的。
(1)特定特征位移不变性
(2)特征缩放不变性