卷积神经网络(CNN,ConvNet)及其原理详解
5星 · 超过95%的资源 57 浏览量
2023-04-18
21:34:42
上传
评论 1
收藏 104KB DOCX 举报 
卷积神经网络（CNN，有时被称为 ConvNet）是很吸引人的。在短时间内，它们变成了
一种颠覆性的技术，打破了从文本、视频到语音等多个领域所有最先进的算法，远远超出
了其最初在图像处理的应用范围。
CNN 由许多神经网络层组成。卷积和池化这两种不同类型的层通常是交替的。网络中每
个滤波器的深度从左到右增加。最后通常由一个或多个全连接的层组成：
图 1 卷积神经网络的一个例子
Convnets 背后有三个关键动机：局部感受野、共享权重和池化。让我们一起看一下。
局部感受野
如果想保留图像中的空间信息，那么用像素矩阵表示每个图像是很方便的。然后，编码局
部结构的简单方法是将相邻输入神经元的子矩阵连接成属于下一层的单隐藏层神经元。这
个单隐藏层神经元代表一个局部感受野。请注意，此操作名为“卷积”，此类网络也因此
而得名。
当然，可以通过重叠的子矩阵来编码更多的信息。例如，假设每个子矩阵的大小是 5×5，
- 1
- 2
前往页