六大基础深度神经网络之CNN

左侧是传统卷积网络输入的是一列像素点,右侧是卷积神经网络,输入的是具有长宽通道数的原始图像

下图为整体架构。卷积层可以认为提取特征,池化层是压缩特征。全连接层是把图像展平然后计算10个类别的概率值

给出一张图像不同区域的特征不同,我们需要提取出来这些不同。下图从一张32*32*3的图像中提取一张5*5*3的小区域,第一步将左上角三乘三的区域与区域右下角小字的权值矩阵进行内积计算,就是对应位置相乘,即3*0+3*1+2*2+0*2+0*2+1*0+3*0+1*1+2*2=12,然后每次把3*3的区域与权值相乘,最终得到绿色的矩阵。

常见图像是彩色的就是三通道,上图中的32*32*3中的3也就说明是彩色图像,若为1则是黑白图像

对于每个彩色图像的卷积来讲,rgb每个通道都会卷积计算的一个矩阵,再把三个矩阵对应相加就是彩色图像的卷积结果

其中W1、H1表示输入的宽度、长度; W2、 H2表示输出特征图的宽度、长度;F表示卷积核长和宽的大小; S表示滑动窗口的步长;P表示边界填充(加几圈0)。

池化目的是减少特征图的信息量,下图为最大池化,选取2*2的过滤器步长为2,选取每个2*2区域内最大的数

D为vgg较主流版本,其中maxpool会损失信息,为了弥补损失的信息,在下一次卷积中会使特征图翻倍

在CIFAR-10数据集中发现56层卷积比20层更效果更差,为了避免层数增加导致的效果变差引入残差网络

相关推荐
0x2112 小时前
[论文阅读]REPLUG: Retrieval-Augmented Black-Box Language Models
论文阅读·人工智能·语言模型
JOYCE_Leo163 小时前
一文详解卷积神经网络中的卷积层和池化层原理 !!
人工智能·深度学习·cnn·卷积神经网络
~央千澈~4 小时前
对鸿蒙 Next 系统“成熟论”的深度剖析-优雅草卓伊凡
人工智能
Donvink4 小时前
【视频生成模型】通义万相Wan2.1模型本地部署和LoRA微调
人工智能·深度学习·aigc·音视频
訾博ZiBo4 小时前
AI日报 - 2025年04月29日
人工智能
爱喝奶茶的企鹅4 小时前
Ethan独立开发产品日报 | 2025-04-27
人工智能·程序员·开源
极小狐4 小时前
如何对极狐GitLab 议题进行过滤和排序?
人工智能·git·机器学习·gitlab
望获linux4 小时前
智能清洁机器人中的实时操作系统应用研究
大数据·linux·服务器·人工智能·机器人·操作系统
古月居GYH4 小时前
用高斯溅射技术跨越机器人模拟与现实的鸿沟:SplatSim 框架解析
人工智能·机器人