快速建设企业门户网站,wordpress 文章页 模板,河南股票配资网站建设,淮南教育网官网一、CNN 用于图像分类
需要图片大小统一 彩色图像分为R G B 三层#xff0c;展平后首尾相接
值代表着颜色的强度 图像识别中不需要全连接的#xff0c;参数太多了 观测1#xff1a;通过判断多个小局部图像就能判断出图片标签 感受野的定义 简化1
感受野可以重叠#xff… 一、CNN 用于图像分类
需要图片大小统一 彩色图像分为R G B 三层展平后首尾相接
值代表着颜色的强度 图像识别中不需要全连接的参数太多了 观测1通过判断多个小局部图像就能判断出图片标签 感受野的定义 简化1
感受野可以重叠同一感受野可以通过不同的权重 典型设置 观测2相同部分出现在不同区域 简化2
共享参数 典型设置
引入filter的概念实质是同一套权重
卷积的优势
有些要素比整张图片小的多同一要素可能会出现在不同区域 二、另一角度切入 卷积层 多次经过卷积层 在第二次卷积时输入的原始图片信息增加了
所以不是一直分区域处理的。随着层数的增加考虑的范围会逐渐变大 三、两种介绍的对比
分享的权重其实就是filter 卷积 不同的filter扫过整个矩阵 不同的感受野公用权重参数 观测3截出主要元素不会改变标签 引入池化层 每次选出一个作为代表
MAX pooling每个区域选出最大的作为代表 四、CNN全过程总结 五、应用下围棋
每个棋子有48个channel代表48个状态 CNN为啥能用于下围棋因为他们的这两点特征相似 由于棋子不能省略用于围棋中不能加入池化层 更多应用语音、自然语音处理。。。
