IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> e智团队实验室项目-第二周-卷积神经网络的学习 -> 正文阅读

[人工智能]e智团队实验室项目-第二周-卷积神经网络的学习

e智团队实验室项目-第二周-卷积神经网络的学习?

赵雅玲?*, 张钊*?, 李锦玉,迟梦瑶,贾小云,赵尉,潘玉,刘立赛,祝大双,李月,曹海艳,

(淮北师范大学计算机科学与技术学院,淮北师范大学经济与管理学院,安徽?淮北)

*These authors contributed to the work equllly and should be regarded as co-first authors.

🌞欢迎来到深度学习的世界?
🌈博客主页:卿云阁

💌欢迎关注🎉点赞👍收藏??留言📝

🌟本文由卿云阁原创!

🌠本阶段属于练气阶段,希望各位仙友顺利完成突破

📆首发时间:🌹2022年10月29日🌹

??希望可以和大家一起完成进阶之路!

🙏作者水平很有限,如果发现错误,请留言轰炸哦!万分感谢!


目录

🍈 为什么要提出卷积神经网络(CNN)

?🍔卷积操作流程

卷积层

池化层?

全连接层?

激活函数

🍟卷积神经网络的整体架构

🍈 为什么要提出卷积神经网络(CNN)

神经网络有以下两个问题,卷积神经网络可以有效解决这两个问题。

?卷积神经网络的发展史:


?🍔卷积操作流程

  1. 卷积层初步提取特征

  2. 池化层提取主要特征

  3. 全连接层将各部分特征汇总

  4. 产生分类器,进行预测识别

下面我们会逐个介绍每一步的具体操作:

卷积层

现在我们要利用CNN来判断图片上的字母是X还是O,首先要对图片的特征进行提取,这就引入了卷积核(filter)。下面介绍一下黑白图像的卷积过程:

?

? ? ? ?一个卷积核代表一个特征,一般来说,卷积核的个数越多就代表提取的特征越多,卷积核的大小代表提取特征的详细程度,卷积核越小说明提取的特征越详细。计算过程如下所示:

卷积核的大小和个数是可以人为确定的,此例使用三个卷积核对原图进行特征提取得到三个特征图。

?

?下面以彩色图像为例继续研究卷积层。

以此例为例,对于黑白图像来说,卷积核的大小是3*3;对于彩色图像来说,卷积核的大小是3*3*3。

卷积涉及参数

(1)卷积核

? ? ? ? 一个卷积核代表一个特征,一般来说,卷积核的个数越多就代表提取的特征越多,卷积核的大小代表提取特征的详细程度,卷积核越小说明提取的特征越详细。

(2)步长?

每次滑动单元格的大小,如下图所示,是步长为1和步长为2时的卷积。

?

?(3)边界填充(pad)

边界填充的目的是为了让边界上的像素点得到充分的卷积,从而得到更充分的特征图。

(4) 特征图大小的计算

池化层?

提取主要特征,减少参数

最大池化 (Max-Pooling)

?平均池化(Average-Pooling)

?以彩色图像为例做最大池化

全连接层?

如果第L层的一个神经元和第L+1层的所有神经元均有连接,把这个架构叫做全连接。

如果第L层的所有神经元均是全连接架构,把该层称为全连接层。

?

? ? ? ?假设通过一系列卷积或池化操作后,我们得到了12*12*20的特征图,由于我们最终的目的是为了实现图片的分类,所以我们需要把这个特征图转化成一维向量输入到神经网络中,进而进行图片识别。那么这个操作是怎么做到的呢?

?

? ? ? ?假设我们要把12*12*20的特征图转化成1*100的向量(100代表着神经元的数量,是我们人为决定的),我们可以让该特征图经过100个12*12*20大小的卷积核的卷积操作。

? ? ? ?本文规定特征图经过n个卷积核的卷积操作后得到n个特征图,这n个特征图构成了一个整体特征图

激活函数

? ? ? ? 一般跟在卷积神经网络的卷积层后面进行非线性运算。


🍟卷积神经网络的整体架构

以手写数字识别为例,

? ? ? ?一开始图像以32*32*3的大小作为输入端,经过6个5*5的卷积核,步长为1的卷积操作得到28*28*6的特征图,然后经过2*2的池化核,步长为2的池化操作得到14*14*6的特征图,再经过16个5*5的卷积核,步长为1的卷积操作得到10*10*16的特征图,然后经过2*2的池化核,步长为2的池化操作得到5*5*16的特征图,再将特征图展开得到1*400的一维向量,再经过全连接层和分类器得到概率。

Institutional Review Board Statement: Not applicable.

Informed Consent Statement: Not applicable.

Data Availability Statement: Not applicable.

Author Contributions:All authors participated in the assisting performance study and approved the paper.

Conflicts of Interest: The authors declare no conflict of interest、

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2022-11-05 00:28:48  更:2022-11-05 00:33:58 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年3日历 -2024/3/28 21:16:50-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码