深度学习(2)--卷积神经网络(CNN)

发布时间:2024年01月18日

卷积神经网络(Convolutional Neural Networks)是一种深度学习模型或类似于人工神经网络的多层感知器,常用来分析视觉图像。

一.卷积网络基础概念

传统网络是一维的,而卷积网络是三维的。

例如32x32x3的图片,在传统网络中的输入是3072个像素点组合的矩阵,而在卷积网络中则是直接接受该特征图作为输入。

(1).?卷积是为了提取图像特征,通过卷积层,可以自动提取图像的高维度且有效的特征

(2).?池化主要是为了减少卷积层提取的特征个数,增加特征的鲁棒性或是为了降维

二.输入层?

数据输入层的主要目的是对原始图像数据进行预处理,其中包括:

1.去均值:把输入数据各个维度都中心化为0,如下图所示,其目的就是把样本的中心拉回到坐标系原点上。

2.归一化:幅度归一化到同样的范围,如下所示,即减少各维度数据取值范围的差异而带来的干扰,比如,我们有两个维度的特征A和B,A范围是0到10,而B范围是0到10000,如果直接使用这两个特征是有问题的,好的做法就是归一化,即A和B的数据都变为0到1的范围。

原图→去均值→归一化过程

3.PCA/白化:用PCA降维;白化是对数据各个特征轴上的幅度归一化

PCA降维参考资料:

【机器学习】降维——PCA(非常详细) - 知乎 (zhihu.com)icon-default.png?t=N7T8https://zhuanlan.zhihu.com/p/77151308原图→PCA降维→白化过程

三.卷积层

文章来源:https://blog.csdn.net/GodFishhh/article/details/135668789
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。