域名购买后 怎么创建网站,免费的国际网站建设,微信注册小程序收费吗,电子商务网页制作素材卷积神经网络CNN 卷积神经网络前言卷积神经网络卷积的填充方式卷积原理展示卷积计算量公式卷积核输出的大小计算感受野池化自适应均值化空洞卷积经典卷积神经网络参考 卷积神经网络
前言
为什么要使用卷积神经网络呢#xff1f; 首先传统的MLP的有什么问题呢#xff1f; - … 卷积神经网络CNN 卷积神经网络前言卷积神经网络卷积的填充方式卷积原理展示卷积计算量公式卷积核输出的大小计算感受野池化自适应均值化空洞卷积经典卷积神经网络参考 卷积神经网络
前言
为什么要使用卷积神经网络呢 首先传统的MLP的有什么问题呢 - 传统过的全连接网络每一层的输出就是下一层的输入。在一个模型拟合任务中并不是所有的参数特征都占据很大。因此有些特征依然会存在冗余的情况。 总结并不是所有的权重都会发生作用依然会有很多不必要的参数。 全连接存在的问题就是这一层的输入也许我并不是全部需要也许本身也不需要。参数过多也会造成计算的增加浪费时间。 参数过多计算冗余
卷积神经网络
卷积神经网络也是一种前馈神经网络是受到生物学上感受野感受野主要是指听觉系统、本体感觉系统和视觉系统中神经元的一些性质的机制而提出的在视觉神经系统中一个神经元的感受野是指视网膜上的特定区域只有这个区域内的刺激才能够激活该神经元。
卷积(f**g*)(n)成为 ff 和 gg 的卷积连续卷积和离散卷积可以表达为如下形式 卷积有很多应用经常用于处理一个输入通过系统产生一个适应需求的输出。 统计学中加权平均法 概率论中两个独立变量之和概率密度的计算 信号处理中的线性系统 物理学的线性系统 图像处理中的应用(卷积神经网络) 卷积经常用在信号处理中用于计算信号的延迟累积。
卷积的填充方式 卷积原理展示 卷积核在很大程度上可以看成滤波器。至少作用上具有很大相似性。
卷积原理示意图 卷积运算通过学习得来的卷积核获得特征图
卷积计算量公式 卷积核输出的大小计算 感受野 感受野类似于余光感受的视野有时候关键信息分布很分散需要足够的感受野捕捉足够的信息这样足够的参考信息利于提高精确度(网络层次不够时感受野可以辅助处理问题) 因此小的特征图往往也能看到很多全局的特征、
池化 具有平移不变形和移动不变性备注池化类似于卷积的过滤池化会丢失信息无用信息或者 重要信息
自适应均值化 空洞卷积 空洞卷积红点参与计算没有空洞时空洞值为1多一个空洞空洞值1
经典卷积神经网络 以上类别以后分开介绍吧…
参考
链接: Datawhale.
