1. Johngo学长首页
  2. 技术点详细复盘专题
  3. 人工智能

深度学习（五）-CNN

• 人工智能 • 阅读 81

计算机视觉分类

深度学习（五）-CNN
图像分类，用于识别图像中物体的类别(如: bottle、cup. cube) 。
(b) object Localization:
目标检测，用于检测图像中每个物体的类别，并准确标出它们的位置。
深度学习（五）-CNN

(c) Semantic Segmentation:
图像语义分割，用于标出图像中每个像素点所属的类别，属于同一类别的像素点用一个颜色标识。
(d) Instance Segmentation:
实例分割，值得注意的是。(b)中的目标检测任务只需要标注出物体位置，而(d)中的实例分割任不仅要标注出物体位置，还需要标注出物体的外形轮廓。

(32条消息) CNN笔记：通俗理解卷积神经网络_v_JULY_v的博客-CSDN博客_cnn卷积神经网络

【什么是CNN？】浙大大佬教你怎么卷CNN，卷积神经网络CNN从入门到实战，通俗易懂草履虫听了都点头(人工智能、深度学习、机器学习、计算机视觉)_哔哩哔哩_bilibili

CNN五层网络结构

1、数据输入层/ Input layer

2、卷积层/CONV layer (提取图像中的局部特征)

卷积层被称为过滤器(filter)或者内核(kernel)或卷积核
对输入图像和滤波矩阵（恒定的滤波器filter）做内积(逐个元素相乘再求和)的操作就是卷积，也是卷积神经网络的名字来源。

深度学习（五）-CNN

卷积计算

深度学习（五）-CNN

深度学习（五）-CNN

步幅（为了减小输入参数的数目，减少计算量）

深度学习（五）-CNN

3、ReLy 激励层/ReLg layer

wx+b
激活函数(加入非线性因素)

作用：

提高模型鲁棒性(抗干扰能力)，非线性表达能力，缓解梯度消失问题、加速模型收敛 将当前特征空间映射转换到另一个空间，让数据能够更好的被分类
非线性激活函数
假若网络中全部是线性部件，那么线性的组合还是线性，与单独一个线性分类器无异。 网络更加强大，学习复杂的事物，复杂的表单数据，从输入输出之间生成非线性映射。

4、池化层/Pooling layer(降低参数量级)

平均池化（mean pooling）

深度学习（五）-CNN

最大池化（max pooling）

深度学习（五）-CNN

目的：

使特征图变小，简化网络计算复杂度特征压缩，提取主要特征
加快计算速度
防止过拟合
缩小最后全连接层中节点的个数，减少整个神经网络参数

5、全连接层/EC layer

深度学习（五）-CNN

AI Studio

CNN实现猫狗分类 – 飞桨AI Studio (baidu.com)

环境

深度学习（五）-CNN

深度学习（五）-CNN

b008c158886547649a9b06f6ae96df44447427fe65db4bac82b609334bd0d25c (933×459) (bcebos.com)实践总体过程和步骤如下图

深度学习（五）-CNN

结果

深度学习（五）-CNN

深度学习（五）-CNN

深度学习（五）-CNN

Original: https://blog.csdn.net/Miles_SY/article/details/126572407
Author: Miles_SY
Title: 深度学习（五）-CNN

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/687307/

转载文章受原作者版权保护。转载请注明原作者出处！

赞 (0)
0

【自取】最近整理的，有需要可以领取学习：



Linux核心资料大放送~

全栈面试题汇总（持续更新&可下载）

一个提高学习100%效率的工具！

【超详细】深度学习面试题目！

LeetCode Python刷题答案下载！

LeetCode Java版刷题答案下载！

LeetCode C++ 版本，抓紧保存！

LeetCode GO语言 刷题答案下载！

大家都在看

亲爱的 Coder【最近整理，可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球