卷积神经网络(特征提取)
一、可以完成的任务
1.检测任务
2.分类与检索
主要工作还是进行特征的提取。
3.超分辨率重构
4.医学任务等(OCR文字试别)
5.无人驾驶(就是识别前方道路)
6.人脸识别
区别:卷积网络与传统网络的区别
; 整体框架
二、卷积层
1.卷积层做了什么事
; 2.卷积特征值计算方法
(蓝色和红色的)对应位置相乘! 然后相加获得。
最终获得特征图表示
卷积中可以堆叠卷积
率比较慢。在文本卷积中,步长并不一定;
尺寸与卷积核大小对结果的影响:尺寸越小,提取的特征越丰富;
边缘填充:( 最外围的数据用的比较少,通过在最外围外面在添一圈零,减少数据的损失!)
卷积核个数:(最终得到的特征图)
三、池化层(simple压缩,宽高减少)
每个位置把最大的取出来(即筛选,但是channel层次不变)
平均池化 即计算出平均特征取出!!
两次卷积,一次池化!主要是进行特征的提取。
最后完成转化为向量 实现分类结果的是全连接层!
Original: https://blog.csdn.net/weixin_51516836/article/details/123710184
Author: GraysonCheng
Title: NLP-CNN
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/530215/
转载文章受原作者版权保护。转载请注明原作者出处!