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
满怀101519 分钟前
Python入门(5):异常处理
开发语言·python
莓事哒19 分钟前
使用pytesseract和Cookie登录古诗文网~(python爬虫)
爬虫·python·pycharm·cookie·pytessarct
赵钰老师24 分钟前
【Deepseek、ChatGPT】智能气候前沿:AI Agent结合机器学习与深度学习在全球气候变化驱动因素预测中的应用
人工智能·python·深度学习·机器学习·数据分析
AIGC-Lison24 分钟前
【CSDN首发】Stable Diffusion从零到精通学习路线分享
人工智能·ai·stable diffusion·aigc·sd
AI绘画咪酱25 分钟前
Stable Diffusion|Ai赋能电商 Inpaint Anything
人工智能·ai·ai作画·stable diffusion·sd·ai教程·sd教程
ruokkk26 分钟前
Spring AI MCP 客户端实战:轻松连接高德地图等工具
人工智能
_一条咸鱼_27 分钟前
AI Agent 工作原理深入剖析
人工智能
飞哥数智坊28 分钟前
AI编程实战:数据大屏生成初探
人工智能
蚝油菜花30 分钟前
Cua:Mac用户狂喜!这个开源框架让AI直接接管你的电脑,快速实现AI自动化办公
人工智能·开源
蚝油菜花30 分钟前
AutoAgent:无需编程!接入DeepSeek用自然语言创建和部署AI智能体!港大开源框架让AI智能体开发变成填空题
人工智能·开源