【双流CNN】基于双流CNN深度学习网络的识别检测仿真

1.软件版本

MATLAB2021a

2.本算法理论知识

      CNN是在目标识别领域应用及其广泛的一种网络模型,其通过卷积运算来实现对图像特征的提取,避免了传统人工神经网络需要单独设计特征提取的环节。CNN的结构主要包括conv卷积层、pool池化层,Activation激活层以及FC全连接层,其具体如下图所示:

【双流CNN】基于双流CNN深度学习网络的识别检测仿真_第1张图片

图1CNN网络结构

如图1所示的,当图像输入到CNN中时,首先进入卷积层,卷积层是CNN中最

重要的一个网络层。在卷积计算过程中,将输入的图像和一系列大小不一的卷积核函数进行卷积运算得到特征图。卷积层越多,那么通过卷积可以提取到的图像特征图谱的特征则更深入。卷积层的计算结果和卷积核大小、数量以及补零数量等参数相关。假设输入图像的维度为120*120,卷积核大小为7*7,卷积步进为1,那么通过卷积层只有,图像维度将变为114*114。

完成卷积运算之后,

你可能感兴趣的:(★MATLAB算法仿真经验,板块2:图像-特征提取处理,cnn,深度学习,神经网络)