QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 4213|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
    . R5 a4 ], I$ P1 b, ~是什么  n2 y3 R; p! I( \+ o
    干嘛的' l, M& B$ G% b5 U9 ]! s+ H& S
    卷积核
    # e3 J/ N; c" q* A+ \5 V% Q池化层
    # C  b0 N3 ?0 n# z是什么7 W# Z" _  y6 J4 a6 v% P
    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。1 a; U! g- @1 ?5 {- s5 }  N
                          2 q) c- Y  A  K# ], @
    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。
    / }* g) X1 E, D5 t7 r! d( G9 E, ]9 A
    9 p6 C6 K- B- ~# K. m, B0 K  R干嘛的
    # D. ^+ m( b( |3 m4 U! }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)。
    ) v. A" v  X! H: ^( R: H1 R" A7 z2 ]& I; K1 F+ R; O1 n
    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。6 N* D# c2 O  K# B+ t& z
    4 J$ k" i4 q1 h$ t/ M+ Z6 K
    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。4 }" Q2 v6 Z, ^

    8 ?  U. P4 E/ c: X* Z- |# x: T
    ) {+ i! R; R$ N" F0 b卷积核. U) @9 S5 y, A- M& E
    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! _# T8 G$ h' W% V2 R& X
    y=wx+b+ }  m; ]+ p8 u7 x2 r& z  p

    % o  W8 H9 Y* |& ]4 F
    ( a" D: t% W. Y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。


    ) z2 Z3 Q" H/ f9 ~' W. R3 _7 R7 P8 k7 Y
    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
    7 p( F2 D7 R* l' y. K2 M  @! r2 G. D3 |8 _2 y& e

    2 I- u8 Q" p4 W$ B  m2 q3 d. I; R* J/ j% d8 f2 @2 ?  j
    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 22:09 , Processed in 0.353807 second(s), 51 queries .

    回顶部