G、B;
(2)CONV 层将计算连接到输入中局部区域的神经元的输出,每个神经元
计算其权重与输入体积中连接到的小区域之间的点积;
(3)卷积层是构建卷积神经网络的核心层,它产生了网络中大部分的计算
量,可以实现降维,得到特征图;
(4)在连续的卷积层之间会周期性地插入一个池化层,它的作用是逐渐降
低数据体的空间尺寸,这样的话就能减少网络中参数的数量,使得计算资源耗费
变少,也能有效控制过拟合。同时,它可以在每一个区域中寻找最大值,最终在
原特征图中提取主要特征;
(5)图像首先通过之后池化层经过卷积层和池化层,使用全连接层对信息
进行分类。
1
.
5
分类过程描述
本系统采用的分类器是损失函数中的 softmax 分类器,它理解为逻辑回归
分类器面对多个分类的一般化归纳。在 softmax 分类器中,函数映射 f(x
i
;W)=Wx
i
保持不变,但将这些评分值视为每个分类的未归一化的对数概率,并且将折叶损
失(hinge loss)替换为交叉熵损失(cross-entropy loss)。同时,softmax 分类器
允许我们计算出对于所有分类标签的可能性。
分类过程:对于输入数据{(x
1
,y
1
), (x
2
,y
2
)…… (x
m
,y
m
)}有 k 个类别,即 y
i
∈
(1,2……k),那么 softmax 回归主要估,算输入数据 x
i
归属于每一类的概率,即
其中, 是模型的参数,乘以 是为了让概率位于
[0,1]并且概率之和为 1,softmax 回归将输入数据 x
i
归属于类别 j 的概率为
评论0
最新资源