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
钅日 勿 XiName1 小时前
一小时速通Pytorch之神经网络相关知识(三)
人工智能·pytorch·神经网络
shayudiandian3 小时前
Transformer结构完全解读:从Attention到LLM
人工智能·深度学习·transformer
xier_ran4 小时前
深度学习:深入理解 Softmax 激活函数
人工智能·深度学习
aitoolhub4 小时前
重塑机器人未来:空间智能驱动产业智能化升级
大数据·人工智能·深度学习·机器学习·机器人·aigc
淬炼之火4 小时前
阅读:基于深度学习的红外可见光图像融合综述
图像处理·深度学习·机器学习·计算机视觉·特征融合·红外图像识别
bst@微胖子5 小时前
ModelScope微调模型
人工智能·深度学习·bert
xier_ran6 小时前
深度学习:动量梯度下降实战(Momentum Gradient Descent)
人工智能·深度学习
CoderBob6 小时前
【EmbeddedGUI】简易Page开发模式
c语言·图像处理·单片机
信息快讯6 小时前
【光学神经网络与人工智能应用专题】
人工智能·深度学习·神经网络