神经网络与深度学习 Class 13:卷积神经网络

目录

13.1 深度学习基础

13.2 图像识别与深度学习

13.3 图像卷积

13.4 卷积神经网络


13.1 深度学习基础

特征工程:尽可能选择和构建出好的特征,使得机器学习算法能够达到最佳性能

深度神经网络:有多层隐含层的神经网络 

深度学习三要素:数据、算法、计算力

13.2 图像识别与深度学习

图像识别核心问题:图像特征的提取

图像特征包含:形状特征、颜色特征、纹理特征 

13.3 图像卷积

图像卷积运算:图像中的每个像素点,用其周围像素点的灰度值加权求和调整该点的灰度值

卷积核/卷积模板

神经网络与深度学习 Class 13:卷积神经网络_第1张图片

 将图像和卷积核一一对应,加权求和神经网络与深度学习 Class 13:卷积神经网络_第2张图片 得到新的灰度值神经网络与深度学习 Class 13:卷积神经网络_第3张图片

神经网络与深度学习 Class 13:卷积神经网络_第4张图片 步长:卷积核一次移动的像素数

 均值模糊

神经网络与深度学习 Class 13:卷积神经网络_第5张图片

高斯模糊

 神经网络与深度学习 Class 13:卷积神经网络_第6张图片

边缘检测 

神经网络与深度学习 Class 13:卷积神经网络_第7张图片神经网络与深度学习 Class 13:卷积神经网络_第8张图片

神经网络与深度学习 Class 13:卷积神经网络_第9张图片

13.4 卷积神经网络

CNN

神经网络与深度学习 Class 13:卷积神经网络_第10张图片 卷积层

神经网络与深度学习 Class 13:卷积神经网络_第11张图片

神经网络与深度学习 Class 13:卷积神经网络_第12张图片

池化层

神经网络与深度学习 Class 13:卷积神经网络_第13张图片

神经网络与深度学习 Class 13:卷积神经网络_第14张图片 神经网络与深度学习 Class 13:卷积神经网络_第15张图片

 

 

 

 

你可能感兴趣的:(Python,机器学习,深度学习,神经网络,cnn)