深度学习-图像处理篇1.1-1.2神经网络

1.1卷积神经网络基础




卷积层


对彩色RGB图像进行卷积

1.卷积核的通道数与输入特征层的通道数相同

2.卷积输出的特征矩阵通道数与卷积核个数相同

池化层


池化中一般池化核大小和步长大小一样

思考

加上偏移量bias该如何计算?

卷积计算时加上偏移量即可

加上激活函数该如何计算?

激活函数(引入非线性因素,让其具有解决非线性的能力)

如果卷积过程中出现越界的情况该怎么办?

Filter:卷积核

反向传播

误差计算

经过softmax之后输出的计算


误差反向传播


权重更新

优化器



相关推荐
Wu_Dylan35 分钟前
液态神经网络系列(四) | 一条 PyTorch 从零搭建 LTC 细胞
pytorch·神经网络
AI街潜水的八角2 小时前
语义分割实战——基于EGEUNet神经网络印章分割系统3:含训练测试代码、数据集和GUI交互界面
人工智能·深度学习·神经网络
小慧10242 小时前
煤矿井下辅助运输电机车障碍物感知的多模态融合方法
深度学习
沃达德软件3 小时前
人脸比对技术助力破案
人工智能·深度学习·神经网络·目标检测·机器学习·生成对抗网络·计算机视觉
副露のmagic3 小时前
Transformer架构
人工智能·深度学习·transformer
cyyt3 小时前
深度学习周报(1.19~1.25)
人工智能·深度学习
2501_948120153 小时前
基于深度学习的遥感图像分类算法研究
人工智能·深度学习·分类
子午3 小时前
【2026计算机毕设】水果识别分类系统~python+深度学习+人工智能+算法模型+TensorFlow
人工智能·python·深度学习
yuezhilangniao3 小时前
AI从“我=I”到“关系计算”:Transformer入门指南-理解疯狂计算关系的Transformer
人工智能·深度学习·transformer
应用市场3 小时前
【显著性预测】TranSalNet:Transformer与CNN融合的视觉显著性预测模型
深度学习·cnn·transformer