卷积神经网络入门
卷积神经网络日常应用
- 图片分类,如猫狗分类等
- 目标识别 (无人驾驶汽车识别)
- 风格迁移
旧神经网络缺点
图片尺寸过大,所需维度太高。
名词解释
convolution 卷积
edge detection 边缘检测
filter 滤波器
边缘检测
使用垂直滤波器(vertical filter),和水平滤波器(horizontal filter)对原图处理得到边缘图片。
填充 padding
卷积边缘有可能卷积不到,加边缘可以把周围也卷积到。
n+2p-f+1 = n
可以使输入输出维度相同
n原图尺寸 p 填充尺寸 f滤波器尺寸。
卷积步长
滤波器一次走过的长度,水平方向和垂直方向都是按照步长来行走。
(n+2p-f)/s+1 round down向下取整
s卷积步长
3D卷积
通道(channels)数量(RGB是三通道) 滤波器必须和原图相同
用了几个卷积块 ,最后生城的就是几通道的。
总结
第一层是卷积层,用于提取特征信息。就那几种滤波器,提取出垂直特征,或者水平特征。
信道越来越多,长宽越来越少。有这种趋势。
只有卷积层可以构建好的模型,不过习惯于后面又池化层和全连接层。
池化层(Pooling layer)
取最大值来代表特征。这个比较常用。因为之前的卷积的时候提取边缘特征,提取出边缘的值一般都比较大。这样选取最大值会把这些特征提取出来。可以缩小图片。
全连接层
将卷积或池化的最后一层展开成一条向量。然后应用全连接。最后可有softmax输出。
为什么选择卷积
如果直接选择全连接。会非常非常大。363610 * 323210 有这么多个参数。