4.3 卷积神经网络（CNN）
需积分: 1 73 浏览量
2023-08-30
11:42:17
上传
评论
收藏 341KB PDF 举报
亚博智能
www.yahboom.com
4.3 卷积神经网络（DNN）
深度学习依赖于 卷积神经网络（CNN）模型将图像转换为预测分类。CNN 是一类 人
工神经网络，它使用卷积层来过滤有用信息的输入，是图像应用的首选网络
4.3.1 人工神经网络
人工神经网络是一种生物学启发的计算模型，其在人脑中存在的神经元网络之后被图
案化。在每一层，网络通过将非线性函数应用于输入的加权和来转换输入数据。一层的中
间输出（称为特征）用作下一层的输入。神经网络通过重复变换，学习多层非线性特征
（如边缘和形状），然后在最后一层中组合以创建预测（更复杂的对象）。
4.3.2 卷积运算
特定于 CNN 的卷积运算将来自一个层的输入数据（特征映射）与 卷积核（滤波器）组
合以形成下一层的变换特征映射。用于图像分类的 CNN 通常由输入层（图像），用于特征提
取的一系列隐藏层（卷积）和完全连接的输出层（分类）组成。
如上图所示交通标志的输入图像由 4 个 5x5 卷积内核过滤，这些内核创建 4 个特征图，
这些特征图通过最大池进行子采样。下一层将 10 个 5x5 卷积内核应用于这些子采样图像，
并再次汇集特征映射。最后一层是完全连接的层，其中所有生成的特征被组合并在分类器中
使用（基本上是逻辑回归）。图片来自 Maurice Peemen。
资源评论
