CS231n 计算机视觉(学习笔记)第五章 卷积神经网络(0802)

第五章 卷积神经网络

convolutional neural networks
卷积–保留输入的空间结构

5.1 历史部分

from1957 神经元在视觉皮层的工作原理
1980 神经认知机
1998 Lecun 反向传播和梯度
2012 AlexNet
近年应用

5.2 卷积和池化

1.卷积部分
卷积核–遍历所有通道(点积运算)
栅格、 步长(根据图像尺寸确定步长和结果的维度)
(N-F)/stride + 1(当做零填补-zero pad时注意区别,全尺寸输出)
多个卷积核–多个激活映射
参数数量为卷积核 (n×n×输入数据深度+偏置项)×卷积核个数
卷积核数量一般采用2的次方数
2.池化部分
降采样–让生成的表示更小更容易控制(深度不变)不做填零
最大值池化:任意区域的值代表卷积核的激发程度

5.3 视觉外的卷积神经网络

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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