QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 3476|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; y. j( V4 \2 [% O
    是什么
    8 r$ f8 i+ l! H8 L) D干嘛的3 v, I1 m! u+ j* V7 [4 B, \
    卷积核
    ( }. ~. C4 k% j* n" C0 M池化层
    7 r' b. d9 d1 w! i8 u0 r, P是什么
    3 ?" B- ?/ q+ \# H' 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。
    6 A8 P; L0 ~% e7 H3 o                     
    , y4 k7 ~% O+ }' b) o+ O0 W! \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。
    # z/ k! g  p  W3 Q* W* t3 |
    : |$ c$ j6 E7 }( D干嘛的
    9 l$ ]4 Q& H/ s( c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)。
    ; m. j1 r7 u4 e+ Z6 t( F: X$ U; c/ x, K# Q  c: [: F
    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。
    + [* a" L& {7 T' h2 J1 j9 ]+ |7 X" S- o5 B! u# Y4 Z
    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。% J  A5 H9 d# ^$ E

    4 s/ }0 X( b4 n# `/ G' H- s/ E
    1 U) H- R& _: Q' E% H  w/ x+ b卷积核
    , ]0 w7 w/ w7 A. o0 n' x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% Z5 T4 D/ P! ?5 ?. o+ X
    y=wx+b
    / q' o1 A+ |' {& o; E( d/ Y. d
    4 Q/ _! }9 d; a6 S. S7 }  f! D' Z9 {( {9 Y' B
    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。


    / U9 W$ R& v8 `% @/ r, W, b
    $ n& y! Z2 r( X8 A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32437105603 t$ ^" t* q' Z& u. O5 p" k
    , S4 G: x( ?% I3 s  m' u+ j
    , Q' i4 T2 W( ~7 V0 f( `
    ; A$ \: T& K0 i3 J% v' S( m
    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, 2025-7-28 23:45 , Processed in 0.587887 second(s), 50 queries .

    回顶部