花书+吴恩达深度学习（十）卷积神经网络 CNN 之卷积层

最新推荐文章于 2024-08-01 07:45:00 发布
最新推荐文章于 2024-08-01 07:45:00 发布
阅读量2k 收藏 15
点赞数 5
分类专栏： 深度学习 文章标签： 深度学习 卷积神经网络 CNN 卷积 convolution
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhq9695/article/details/84959472
版权
本文详细介绍了卷积神经网络（CNN）中的卷积层，包括2D和3D图像卷积、过滤器（核函数）、边缘检测、padding填充、步长、1x1卷积以及卷积层的变体，如局部连接和平铺卷积。通过这些概念理解CNN如何提取图像特征。
摘要由CSDN通过智能技术生成

目录

0. 前言

1. 2D 图像卷积

2. 3D 图像卷积

3. 过滤器（核函数）

4. 过滤器应用于边缘检测

5. padding 填充

6. stride 步长

7. 使用卷积的动机

8. 1乘1卷积

9. 基本卷积函数的变体

如果这篇文章对你有一点小小的帮助，请给个关注，点个赞喔~我会非常开心的~

花书+吴恩达深度学习（十）卷积神经网络 CNN 之卷积层

花书+吴恩达深度学习（十一）卷积神经网络 CNN 之池化层

花书+吴恩达深度学习（十二）卷积神经网络 CNN 之全连接层

花书+吴恩达深度学习（十三）卷积神经网络 CNN 之运算过程（前向传播、反向传播）

花书+吴恩达深度学习（十四）卷积神经网络 CNN 之经典案例（LetNet-5, AlexNet, VGG-16, ResNet, Inception Network）

0. 前言

卷积神经网络（convolutional neural network，CNN）是一种专门用来处理具有类似网格结构的数据的神经网络。

卷积网络是指那些至少在网络中的一层使用卷积运算来替代一般矩阵乘法的神经网络。

数学意义上的离散卷积表示如下：

s(t)=\sum_{a=-\infty}^\infty x(a)w(t-a)

其中， x 称为输入（input），w 称为核函数（kernel function）或者过滤器（filter），输出有时称作特征映射（feature map）。

在数学中，在计算卷积之前需要对过滤器进行翻转。

在机器学习中，计算方式和卷积一样，只是没有翻转，称为互相关函数，但是通常称之为卷积。

1. 2D 图像卷积

卷积运算如下图所示（图源：深度学习）：

过滤器（核函数）像是依次扫描图像二维矩阵的窗口，将对应位置相乘再相加。

如果原始图像的大小为 n\times n ，过滤器的大小为 f\times f ，则卷积运算后的图片大小为 (n-f+1)\times (n-f+1) 。

最低0.47元/天 解锁文章
I can丶
关注
专栏目录
《深度学习》花书 - 第九章 卷积网络
Loy Fan
12-15 780
Deep Learning - Chapter 69 卷积网络9.1 卷积运算9.2 动机9.3 池化9.4 卷积与池化作为一种无限强的先验9.5 基本卷积函数的变体9.6 结构化输出9.7 数据类型9.8 高效的卷积算法9.9 随机或无监督的特征9.10 卷积网络的神经科学基础9.11 卷积网络与深度学习的历史 9 卷积网络 9.1 卷积运算 9.2 动机 9.3 池化 9.4 卷积与池化作为一...
花书+吴恩达深度学习（十一）卷积神经网络 CNN 之池化层
今天你学习了吗
12-18 1808
目录 0. 前言 1. 最大池化（max pooling） 2. 平移不变形 3. 其他池化函数 4. 卷积和池化作为一种无限强的先验 如果这篇文章对你有一点小小的帮助，请给个关注，点个赞喔~我会非常开心的~ 花书+吴恩达深度学习（十）卷积神经网络 CNN 之卷积层 花书+吴恩达深度学习（十一）卷积神经网络 CNN 之池化层 花书+吴恩达深度学习（十二）卷积神经网络 CNN 之...
深度学习花书学习笔记 第九章 卷积网络
liutianheng654的博客
10-06 1817
卷积运算 内积和外积中的内积被通常认为时卷积，可交换性是因为他经过了翻转。但是神经网络中一般不应用翻转。而是直接使用互相关函数： 动机 三大特性：稀疏交互、参数共享、等变表示。 稀疏交互：核的大小远小于输入。相对于全连接，一个输入项只影响较少神经元，大大减少运算量。 参数共享：也叫绑定权重，每个核的权重不变，遍历整个输入。使我们只需要少量参数， 等变表示：卷积网络具有平移等变的...
卷积神经网络 - 卷积运算篇
最新发布
绎岚科技的博客
08-01 1335
在探索深度学习尤其是计算机视觉领域的奥秘时，卷积神经网络（Convolutional Neural Networks, CNNs）无疑占据了核心地位。而卷积运算，作为CNN中最基础也是最关键的组成部分，更是其能够高效提取图像特征、实现卓越性能的关键所在。卷积运算不仅深刻影响了CNN的架构设计，也为我们理解图像数据、构建更加智能的视觉系统提供了有力的工具。
花书-卷积神经网络
qq_31244453的博客
04-21 649
知识框架 卷积 池化（引入了平移不变性，） 全局连接层（多层感知机） 卷积神经网络 应用(分类上) 图像分类大赛(ResNEt网络比人类识别图像的性能还要好，深度也越来越深) 各大CNN模型 重难点 参考资料：(CNN祖爷爷-LeNet,ResNet) 本章的目的是说明卷积网络提供的各种工具。 9卷积网络 9.1卷积运算 卷积神经网络，是一种用来处理具有类似网络结构的数据的神经网络。例如时间序列(认为是在时间轴上有规律地采样形成的一维
花书读书笔记（八）-卷积网络
scu-liu的博客
01-21 399
全部笔记的汇总贴：《深度学习》花书-读书笔记汇总贴 《深度学习》PDF免费下载：《深度学习》 CNN是一种专门用来处理具有类似网格结构的数据的神经网络。 一、卷积计算 二、动机 三、池化 四、卷积与池化作为一种无限强的先验 五、基本卷积函数的变体 六、结构化输出 七、数据类型 八、高效的卷积算法 九、随机或无监督的特征 十、卷积网络的神经科学基础 ...
花书+吴恩达深度学习（十三）卷积神经网络 CNN 之运算过程（前向传播、反向传播）
今天你学习了吗
12-20 1988
目录 0. 前言 1. 单层卷积网络 2. 各参数维度 3. CNN 前向传播反向传播 如果这篇文章对你有一点小小的帮助，请给个关注，点个赞喔~我会非常开心的~ 花书+吴恩达深度学习（十）卷积神经网络 CNN 之卷积层 花书+吴恩达深度学习（十一）卷积神经网络 CNN 之池化层 花书+吴恩达深度学习（十二）卷积神经网络 CNN 之全连接层 花书+吴恩达深度学习（十三）卷积神经网...
coursera 吴恩达 -- 第四课 卷积神经网络 ：第一周 Convolution model - Application - v1 数据集（全）
08-23
卷积神经网络（Convolutional Neural Networks，简称CNNs）是深度学习领域中用于图像处理和计算机视觉任务的重要模型。吴恩达，一位在人工智能和机器学习领域具有深远影响力的教授，他在Coursera上开设的课程中深入...
吴恩达CNN卷积神经网络第2周作业ResNets
08-01
卷积神经网络（CNN）是深度学习领域中的一个重要分支，尤其在图像识别和计算机视觉任务中表现出色。吴恩达，作为一个知名的机器学习专家，他的课程深入浅出地讲解了CNN的工作原理和应用。在“吴恩达CNN卷积神经网络...
花书 第九章 卷积网络（Convolutional Network）
weixin_39007337的博客
08-04 565
花书 第九章 卷积网络（Convolutional Network）9.1 卷积运算 9.1 卷积运算 举例：用激光传感器追踪一艘宇宙飞船，理论上传感器收到一定程度的噪声影响，于是对得到的结果进行平均，显然越接近的位置越相关，采用加权平均并设置权重的方法来实现降噪。（这里举的例子，其实就是滑动平均器） 直接上离散形式： s(t)=(x∗w)(t)=∑a=−∞∞x(a)w(t−a)s(t)=(x * w)(t)=\sum_{a=-\infty}^{\infty} x(a) w(t-a)s(t)=(x∗w)(t
卷积神经网络笔记--吴恩达深度学习课程笔记（四）
WUHU648的博客
09-07 2977
各个知识点详解 LeNet-5网络 LetNet网络的的讲解主要参考1998年计算机科学家Yann LeCun发布的一篇论文《Gradient based learning applied to document-recognition》大家可以找到这篇论文结合学习，针对该网络，首先大家需要了解一下图像中的常用操作卷积，卷积这个词是信号处理领域的词，表示一个系统多数据处理的过程，在图像处理中的卷积，其实就是滤波器。下面先简要介绍一下卷积核的概念，这个不能细说，因为想要深入理解卷积需要很多知识，这里只给大家
卷积神经网络的并行化研究
08-13
卷积神经网络CNN的并行化研究 并行化 MapReduce框架 GPU加速
卷积神经网络学习笔记（花书总结.LIMU）
J_X0110的博客
07-13 642
传统卷积神经网络学习笔记
tiled卷积神经网络（tiled CNN）
weixin_34038293的博客
10-11 1119
     这个结构是10年Quoc V.Le等人提出的，这里的tiled，按照 Lecun的解释是Locally-connect non shared.即是局部连接，而且不是共享的，这是针对于权重来说的。本文翻译如有错误，还望指正，谢谢！！这篇论文是10年的，相比较来说四年的东西，比较旧了，可是这个tcnn在ng的ufldl最后也有提及（只有目录部分，ng没写完），而且也算是个cnn的变化...
卷积神经网络
shushi6969的博客
05-06 8096
        卷积神经网络也是一种前馈神经网络，是一种专门用来处理具有类似网格结构的数据的神经网络。例如，时间序列数据和图像数据。该神经网络使用了卷积数学运算，是一种特殊的线性运算。卷积神经网络的稀疏交互、参数共享及等变表示等特性使之可以有效地降低网络的复杂度，减少训练参数的数目，使模型对平移、扭曲、缩放具有一定程度的不变性，并具有强鲁棒性和容错能力，且也易于训练和优化网络结构。       下...
9. 深度学习实践：卷积网络
鸟恋旧林的博客
01-19 1977
卷积神经网络，Convolutional Neural Network，CNN卷积网络：至少在网络的一层中使用了卷积运算来替代一般的矩阵乘法运算的NN。1. 卷积运算用计算机处理数据时，时间会被离散化，则为求和形式：s(t)=(x∗w)(t)=∑∞a=−∞x(a)w(t−a)s(t)=(x*w)(t)=\sum_{a=-\infty}^{\infty}x(a)w(t-a)xx通常是多维数组的输入。w
深度学习阅读笔记（四）之卷积网络CNN
lqfarmer的博客
05-04 3538
卷积神经网络   17.《基于卷积神经网络的木材缺陷识别》（具体应用） （1）主要内容：采用卷积神经网络（CNN）来建立木材缺陷识别系统。详细介绍了CNN网络的基本结构和技术特点。详细介绍了实验CNN网络模型的构件。 （2）采用方法：卷积神经网络（CNN） （3）特点：权值共享，下采样，局部感受野 （4）优点：卷积神经网络在处理二维图像时有多个独特优点，如无需复杂的特征提取，可以将二维图
CNN知识点集合
ACTerminate的博客
06-09 599
CNN 具有平移不变形 TCNN(Tiled Convolution)具有平移不变形、旋转不变形、缩放不变性 Transposed Convolution只是为了重建先前的空间分辨率，执行了卷积操作，这不是卷积的数学逆过程。 Dilated Convolution提供了更大的感受野 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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