CNN算法

一、计算机视觉分类

图像分类

用于识别图像中物体的类别

CNN算法_第1张图片

目标检测

用于检测图像中的每个物体的类别,并准确标出它们的位置

CNN算法_第2张图片

图像语义分割

用于标出图像中每个像素点所属的类别,属于同一类的像素点用一个颜色标识

CNN算法_第3张图片

实例分割

不仅标出物体位置,还需要标注出物体的外形轮廓

CNN算法_第4张图片

 二、CNN解决问题

能够有效将大数据量的图片降维成小数据量,同时可以有效保留图片特征,CNN是一种专门用来处理具有类似网格结构的数据的神经网络。

CNN算法_第5张图片

三、CNN五层网络结构

数据输入层

预处理,图片的像素矩阵

卷积层(提取图像中的局部特征)

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)

卷积计算

CNN算法_第6张图片

填充值(为了每个数据被使用到的次数相同,边缘数据丢失)

CNN算法_第7张图片

 步幅(减少输入参数的数目,减少计算量)

CNN算法_第8张图片

激活层

激活函数(存在非线性元素)

CNN算法_第9张图片

 CNN算法_第10张图片

 提高抗干扰能力,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,从而让数据更好地被分类

ReLU激活函数

CNN算法_第11张图片

池化层

使特征图变小,简化网络计算复杂度,加快计算速度。

特征压缩,提取主要特征。

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。

平均池化层

CNN算法_第12张图片

 最大池化层

CNN算法_第13张图片

全连接层

http://(147条消息) 全连接层详解_pogg_的博客-CSDN博客_全连接层

你可能感兴趣的:(cnn,算法)