浙江网站建设哪里好,网站名称创意大全,手机windows wordpress,云梦网络做网站引入
给定一张图片#xff0c;计算机需要模型判断图里的东西是什么#xff1f; #xff08;car、truck、airplane、ship、horse#xff09;
一、卷积神经网络整体架构
CONV#xff1a;卷积计算层#xff0c;线性乘积求和RELU#xff1a;激励层#xff0c;激活函数P…引入
给定一张图片计算机需要模型判断图里的东西是什么 car、truck、airplane、ship、horse
一、卷积神经网络整体架构
CONV卷积计算层线性乘积求和RELU激励层激活函数POOL池化层取区域平均或最大MAX POOLPC全连接层 二、CONV卷积层计算
对CNN来说它是一块一块进行对比的“小块”称之为Features特征。卷积就是对图像不同窗口数据和滤波矩阵做内积。每计算完一个数据窗口内的数据后数据窗口不断平滑移动直到计算完所有数据。
图中矩阵解析
Input Volume7x7x3图像的长宽均为73代表RGB三个颜色通道Filter W0、W1滤波器带一组固定权重的神经元Output Volume两个不同的输出 随着左边数据窗口的平移滑动滤波器 F i l t e r W 0 / W 1 Filter W0/W1 FilterW0/W1对不同的局部数据进行卷积计算。左边数据在变化每次滤波器都是针对某一局部的数据窗口进行卷积这就是所谓的CNN中的局部感知机制。与此同时数据窗口滑动导致输入在变化但中间滤波器Filter w0的权重是固定不变的这个权重不变即所谓的CNN中的参数权重共享机制。
三、卷积层参数
depth神经元个数滤波器个数stride步长滑动多少步到边缘zero-padding边缘填充为了总长能为步长整除并且一定程度上减轻边界利用少的情况 四、ReLU激励层 五、POOL池化层
进行筛选压缩的过程取区域平均或最大 最大池化 MAX POOLING 下图包含两次卷积一次池化共7层神经网络
六、特征图变化
三维要拉长成特征向量再输入全接连层
