深度学习从入门到实战——卷积神经网络原理解析及其应用

卷积神经网络CNN

卷积神经网络

前言

  • 为什么要使用卷积神经网络呢?
    • 首先传统的MLP的有什么问题呢? -
      传统过的全连接网络,每一层的输出就是下一层的输入。在一个模型拟合任务中,并不是所有的参数特征都占据很大。因此,有些特征依然会存在冗余的情况。
      总结:并不是所有的权重都会发生作用,依然会有很多不必要的参数。
      全连接存在的问题就是,这一层的输入也许我并不是全部需要,也许本身也不需要。参数过多也会造成计算的增加,浪费时间。
      参数过多,计算冗余

卷积神经网络

  • 卷积神经网络也是一种前馈神经网络,是受到生物学上感受野(感受野主要是指听觉系统、本体感觉系统和视觉系统中神经元的一些性质)的机制而提出的(在视觉神经系统中,一个神经元的感受野是指视网膜上的特定区域,只有这个区域内的刺激才能够激活该神经元)。

卷积:(f**g*)(n)成为 ff 和 gg 的卷积,连续卷积和离散卷积可以表达为如下形式:

卷积有很多应用,经常用于处理一个输入,通过系统产生一个适应需求的输出。

统计学中加权平均法

概率论中两个独立变量之和概率密度的计算

信号处理中的线性系统

物理学的线性系统

图像处理中的应用(卷积神经网络)

卷积经常用在信号处理中,用于计算信号的延迟累积。

卷积的填充方式

卷积原理展示

卷积核在很大程度上可以看成滤波器。至少作用上具有很大相似性。

卷积原理示意图

卷积运算:通过学习得来的卷积核,获得特征图

卷积计算量公式

卷积核输出的大小计算

感受野

  • 感受野:类似于余光感受的视野,有时候关键信息分布很分散,需要足够的感受野捕捉足够的信息,这样足够的参考信息利于提高精确度(网络层次不够时,感受野可以辅助处理问题)

    因此,小的特征图往往也能看到很多全局的特征、

池化


  • 具有平移不变形和移动不变性
  • 备注:池化类似于卷积的过滤,池化会丢失信息(无用信息或者 重要信息)

自适应均值化

空洞卷积

  • 空洞卷积
  • 红点参与计算,没有空洞时空洞值为1,多一个空洞,空洞值+1

经典卷积神经网络

以上类别,以后分开介绍吧...

参考

链接: Datawhale.

相关推荐
Code_流苏4 分钟前
AI知识补全(十四):零样本学习与少样本学习是什么?
人工智能·元学习·少样本学习·零样本学习·语义嵌入
Yvette-W6 分钟前
ChatGPT 迎来 4o模型:更强大的图像生成能力与潜在风险
人工智能·chatgpt
Shockang6 分钟前
机器学习的一百个概念(5)数据增强
人工智能·机器学习
洁洁!10 分钟前
数据采集助力AI大模型训练
前端·人工智能·easyui
平平无奇科研小天才17 分钟前
scGPT环境安装
人工智能
xcLeigh23 分钟前
计算机视觉入门:从像素到理解的旅程
人工智能·python·opencv·计算机视觉
独好紫罗兰29 分钟前
洛谷题单2-P5717 【深基3.习8】三角形分类-python-流程图重构
开发语言·python·算法
滴答滴答嗒嗒滴35 分钟前
Python小练习系列 Vol.8:组合总和(回溯 + 剪枝 + 去重)
python·算法·剪枝
啊阿狸不会拉杆37 分钟前
第十八章:Python实战专题:北京市水资源数据可视化与图书馆书籍管理应用开发
开发语言·python·信息可视化·用户界面
喾颛顼40 分钟前
Mac下小智AI本地环境部署
人工智能·经验分享·macos