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
QN1幻化引擎2 小时前
DalinX V8 — 整体能力地图与 AGI 阶段评估
人工智能·神经网络·目标检测·语言模型·数据挖掘·agi
QiZhang | UESTC3 小时前
学习agent开发
深度学习
学术小白人4 小时前
国内外学术体系与论文等级区分—— 从 SCI / SSCI / EI 到北大核心 / CSSCI / CSCD 全面解析
大数据·人工智能·神经网络·数据分析·论文
LaughingZhu6 小时前
Product Hunt 每日热榜 | 2026-07-15
前端·人工智能·神经网络·react.js·搜索引擎·前端框架
香蕉鼠片6 小时前
图像处理经典脚本
图像处理·python·opencv
蓝悦无人机7 小时前
自动驾驶论文解读:深度学习自动驾驶系统预测与规划集成综述
人工智能·深度学习·自动驾驶
phltxy7 小时前
LangChain从模型调用到应用编排
人工智能·深度学习·语言模型·langchain
Lambert-Wu8 小时前
神经网络引擎:梯度下降算法(SGD → Adam)进化史与调参指南
人工智能·深度学习·机器学习
不羁的木木17 小时前
HarmonyOS APP实战-基于Image Kit的图像处理APP - 第6篇:图片滤镜效果实现
图像处理·深度学习·harmonyos
CCC:CarCrazeCurator20 小时前
A100作为深度学习基础计算节点的原因
人工智能·深度学习