QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 4208|回复: 0
打印 上一主题 下一主题

[其他资源] 深度学习之感性理解-卷积神经网络

[复制链接]
字体大小: 正常 放大

1178

主题

15

听众

1万

积分

  • TA的每日心情
    开心
    2023-7-31 10:17
  • 签到天数: 198 天

    [LV.7]常住居民III

    自我介绍
    数学中国浅夏
    跳转到指定楼层
    1#
    发表于 2021-11-25 21:46 |只看该作者 |倒序浏览
    |招呼Ta 关注Ta
                                                    深度学习之感性理解-卷积神经网络
    ; F& l) S2 s: @& d" D$ W是什么) K1 P9 b$ ^$ L( g" ?4 g
    干嘛的
    , r9 G% R  w$ q5 ^) Y. T卷积核
    # R* e. j, [9 e2 ^4 i池化层4 z) U& q  {2 ^* p
    是什么0 r& C7 I) Q; A1 W) U# S1 U, @
    前面我们介绍的神经网络称为全连接神经网络,因为前一层每个神经元的输出都作为下一层每个神经元的输入。卷积神经网络恰恰相反,不需要全连接,只有部分前一层输出做为后一层的输入。可以简单理解为有一张6X6像素的图片,还有一个3X3的窗口,然后进行从左到右,从上到下一格一格的移动,每次计算窗口里的值和对应图片值的乘积和作为新的像素点,放在一个新的图片里。( a" H& I1 p" b3 z5 y7 ^
                         
    : u5 F6 D! h9 j4 }5 g, r% b如果将图片作为输入,窗口作为参数,对应的就是这种稀疏连接,共享参数的结构。0 }0 w" Q, L1 T3 k
    % N9 j8 \; j- u# o
    干嘛的( Z8 t/ o. o4 ^- a3 Q
    这样的连接方式虽然非常全面,不会漏掉任何一个神经元的作用,但是缺点也明显,这种连接使得参数过多,训练时间就会变长,比如处理大图片,像素个数可能有几百万维,参数数量太过庞大,导致训练时间过长,于是有大神提出了卷积神经网络(CNN)。. d8 m6 A% @; y- C9 S3 E6 ~; ^) n
    1 r) t6 @5 e* ?0 P3 o% v
    卷积神经网络至少有一个卷积层,可以用来提取特征,也就是把图片抽象化,这样就可以减少一定的信息量,参数自然就少了,同时卷积层通过共享参数的方式工作,也可以减少参数。举个例子,如果我们要识别一只猫,如果用全连接的方式可能就会描述成,一只有黄色的大耳朵蓝眼睛身体肥大的波斯猫。但是通过卷积神经网络的卷积层后,会描述成一只猫,这样就提高了通用性,只描述了抽象的特征。& ^& m( X  D, _# b0 i  ?" o; P

    " R( G6 R4 Y+ G2 T3 f比如如果我要想学习交通灯的特征,交通灯只在图片里的某一部分,并非全部,如果我把像素点一个个的观察过去,是不是有点浪费,能不能用个大的窗口,直接把交通灯给捕捉出来呢,这也是用CNN的一个特点。
    ! s. G) D7 t( B7 ]3 l* r; `
    : l5 K; N; e9 }, @7 ?- y. P2 G+ }) P% a5 ?
    卷积核2 f2 ^  A3 n7 r" g  F: U  ~
    就是上面所说的窗口,可以简单的理解为提取相应特征的参数,把高纬度的映射到低纬度,是一种有损压缩,他的表达式也可以看成
    2 X) w6 R. r& U% y$ O" Hy=wx+b
    / B9 T  c) U7 s1 |1 c4 H8 b: J' `5 X; @% Y+ Q0 S" g

    : F: e: g4 s2 W: @池化层

    一种处理层,类似卷积层,又进行了一次特征提取,减少下一层数据的处理量,进一步获取更为抽象的信息。主要分为最大池化和平均池化,即取窗口中最大的或者取平均数放入新图片里。

    3 M0 Y$ m  i/ w3 m* m* \& S8 f

    7 @8 V: M* T4 j/ G好了,今天就到这里了,希望对学习理解有帮助,大神看见勿喷,仅为自己的学习理解,能力有限,请多包涵,图片均来自网络,侵删。有问题加我QQ数学中国浅夏3243710560
    ) y$ S% Z5 [7 [/ q* Y
    : J% a0 a( Z; \& W; M3 L- `: i' c) A/ g. W6 z

    ; c8 l" Y5 t+ e
    zan
    转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信
    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2026-9-10 14:31 , Processed in 1.720444 second(s), 51 queries .

    回顶部