Convolutional Neural Networks(CNN)
-
Convolutional
-
输入的图像矩阵与卷积核相乘然后取平均值得到一个新的特征值。
-
图例1
-
图例2
-
图例3:使用不同的卷积核得出不同的特征矩阵
-
-
Pooling:Shrinking the image stack(池化或下彩样)
(池化的目的是为了把得到的特征矩阵举行缩小,如:人脸是非常复杂的,由人脸得到的特征矩阵是非常多且复杂的,需要缩小其特征矩阵,缩小后的元素值取特征矩阵中的最大或平均值)
-
Pick a window size (usually 2 or 3)
-
Pick a stride(usually 2).
-
Walk your window across your filtered images.
-
From each window,take the maximum value.
-
图例如下:把卷积后的特征矩阵缩小成2*2的矩阵.
-
-
Rectified Linear Units(ReLUs)(修正线性单元)
-
对卷积(convolutional)后的矩阵处理:矩阵中大于0的保留其本身的值,而对于矩阵中等于或则小于0的值则修改成0.
Fully connected layer(全连接层) -
Every value gets a vote (对池化(pooling)后的矩阵元素排成一列)
-
整个过程的流程图: