资料来源:台大 李宏毅 2020机器学习深度学习课程
目录
Convolutional Neural Network
C
onvolutional N
eural N
etwork == 卷积神经网络
CNN是简化后的DNN(Deep Neural Network),更适合于图像处理
Can the neural network be simplified by considering the properties of images? (通过考虑图像的属性来简化神将网络)
一、Why CNN for image?
我们知道CNN常常被用于影像处理,假设用一般的神经网络(而不是CNN)做图像分类,输入一张图片(用像素构成的向量表示),输出1000维的向量(假设有1000类)。
遇到的问题
:训练神经网络时,每一个神经元就代表了一个基本的分类器
第一层detect有没有绿色、有没有黄色、有没有斜条纹…
第二层detect有没有窗框、竖条纹、灰白相间的斜条纹…
假设左边的图片是 100 ∗ 100 100*100 100∗100的,把它拉成一个vector,它就会有 100 ∗ 100 ∗ 3 = 30000 100*100*3=30000 100∗100∗3=30000 个元素,假设第一个隐藏层有1000个神经元,那么第一个隐藏层的参数就有 30000 ∗ 1000 = 30000000 30000*1000 = 30000000