卷积神经网络基础

案例1——简单的黑白边界检测

设置宽度方向的卷积核为[1,0,−1][1, 0, -1][1,0,−1],此卷积核会将宽度方向间隔为1的两个像素点的数值相减。当卷积核在图片上滑动时,如果它所覆盖的像素点位于亮度相同的区域,则左右间隔为1的两个像素点数值的差为0。只有当卷积核覆盖的像素点有的处于光亮区域,有的处在黑暗区域时,左右间隔为1的两个点像素值的差才不为0。将此卷积核作用到图片上,输出特征图上只有对应黑白分界线的地方像素值才不为0。

卷积神经网络基础_第1张图片

卷积神经网络基础_第2张图片 案例2——图像中物体边缘检测

 上面展示的是一个人为构造出来的简单图片,使用卷积网络检测图片明暗分界处的示例。对于真实的图片,也可以使用合适的卷积核(3*3卷积核的中间值是8,周围一圈的值是8个-1)对其进行操作,用来检测物体的外形轮廓,观察输出特征图跟原图之间的对应关系。

卷积神经网络基础_第3张图片

卷积神经网络基础_第4张图片

案例3——图像均值模糊

另外一种比较常见的卷积核(5*5的卷积核中每个值均为1)是用当前像素跟它邻域内的像素取平均,这样可以使图像上噪声比较大的点变得更平滑。

 卷积神经网络基础_第5张图片

 卷积神经网络基础_第6张图片

 卷积神经网络基础_第7张图片

池化

卷积神经网络基础_第8张图片

卷积神经网络基础_第9张图片 批归一化

卷积神经网络基础_第10张图片丢弃法 卷积神经网络基础_第11张图片

 卷积神经网络基础_第12张图片

 

 

你可能感兴趣的:(神经网络)