cnn卷积过程,通道数,《6.1 ResNet网络结构,BN以及迁移学习详解》

6.1 ResNet网络结构,BN以及迁移学习详解_哔哩哔哩_bilibili

CNN科普讲解:李宏毅讲解卷积神经网络(带字幕)_哔哩哔哩_bilibili

1.图像中的RGBpython rgb 图像_在Python中显示RGB图像的不同平面_cumt30111的博客-CSDN博客

(一):单通道图

俗称灰度图,每个像素点只能有一个值表示颜色,它的像素值在0到255之间,0是黑色,255是白色,中间值是一些不同等级的灰色。(也有3通道的灰度图,3通道灰度图只有一个通道有值,其他两个通道的值都是零)。

(二):三通道图

每个像素点都有3个值表示 ,所以就是3通道。也有4通道的图。例如RGB图片即为三通道图片,RGB色彩模式是工业界的一种颜色标准,是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,RGB即是代表红、绿、蓝三个通道的颜色,这个标准几乎包括了人类视力所能感知的所有颜色,是目前运用最广的颜色系统之一。总之,每一个点由三个值表示。

R,G,B 都是一个二维的矩阵,合成了一个三维的image,相当于空间坐标系的xyz,合成图像image每个点的 值为(R ,G ,B)

cnn卷积过程,通道数,《6.1 ResNet网络结构,BN以及迁移学习详解》_第1张图片

cnn卷积过程,通道数,《6.1 ResNet网络结构,BN以及迁移学习详解》_第2张图片

卷积核filter,每一个filter都是一个matrix;每一次平移都有固定的步长stride=2;7*7*3表示有3个7*7的矩阵;

最后找出feature map特征矩阵中的最大值,表示原图的对应位置有类似的卷积核存在;

卷积、relu激活函数(把负数抹成0)、池化(图片缩小过程)。。可以进行多次重复,一般filter有几个,最终所形成的图片就有几维,而下一次卷积时每一个feature卷积之后叠加取平均值。

最后再全连接:全连接层详解_chenxiangrong的博客-CSDN博客_全连接层

 阶跃函数只能输出0或者1,但是非线性函数可以输出0-1内的许多数值,这就满足了神经网络中多个神经元,可以输出不同的weightcnn卷积过程,通道数,《6.1 ResNet网络结构,BN以及迁移学习详解》_第3张图片

cnn卷积过程,通道数,《6.1 ResNet网络结构,BN以及迁移学习详解》_第4张图片

cnn卷积过程,通道数,《6.1 ResNet网络结构,BN以及迁移学习详解》_第5张图片

你可能感兴趣的:(代码,算法学习,python,人工智能,分类,网络)