社区
机器视觉
帖子详情
关于卷积神经网络结构的一点疑问~
红鲤鱼遇绿鲤鱼
2018-09-13 02:54:30
小弟初学卷积神经网络,现在有以下疑问。
1.卷积神经网络中的卷积核与图像滤波中的卷积操作不同,神经网络中的卷积核可能会改变图像大小对吗?
2.如果卷积核对图像大小有改变,那么在池化层当中的下采样操作中,为什么要单独设置一个池化层?不能用一个卷积核来代替下采样的操作吗?
3.池化层的下采样操作是否是固定的?还是里面采样方式需要在训练的过程中进行学习?
请各位大佬指教
...全文
281
4
打赏
收藏
关于卷积神经网络结构的一点疑问~
小弟初学卷积神经网络,现在有以下疑问。 1.卷积神经网络中的卷积核与图像滤波中的卷积操作不同,神经网络中的卷积核可能会改变图像大小对吗? 2.如果卷积核对图像大小有改变,那么在池化层当中的下采样操作中,为什么要单独设置一个池化层?不能用一个卷积核来代替下采样的操作吗? 3.池化层的下采样操作是否是固定的?还是里面采样方式需要在训练的过程中进行学习? 请各位大佬指教
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
4 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
Leon_96
2019-04-15
打赏
举报
回复
训练神经网络的数据集用图片还是纯数据?我这有一份表格样式的数据不知道怎么用?求指教!!!
Shower
2019-01-29
打赏
举报
回复
1. 主要看做卷积的参数,由Filter Size,Padding,Stride等参数觉得输出的图片大小.
2.卷积主要功能是提取特征,池化主要目的是对输入的特征图进行压缩,一方面使特征图变小,简化网络计算复杂度;一方面进行特征压缩,提取主要特征.
3.池化分最大值池化和平均值池化,是固定计算方式,不需要学习
ninjadark6
2018-11-06
打赏
举报
回复
请注意是在逐层提取特征,并不是在改变图像信息。
ll_pp
2018-09-14
打赏
举报
回复
回答可能不对,仅供参考:
1、卷积会改变图像的大小。吴恩达的教程(网易云课堂)里有计算公式。
2、池化操作是降维,减小计算参数。2X2的池化可以把图像缩小为原来的一半,计算方法和卷积不同。
3、池化操作一般会指定是平均池化还是最大值池化,采样方式不用学习。
卷积神经网络
结构
发展概览
卷积神经网络
发展概览 一、早期探索LeNetAlexNetVGG二、深度化ResNetDenseNet三、模块化GoogLeNetInception V2Inception V3Inception V4ResNeXtXception四、注意力SENetscSECBAM五、高效化SqueezeNetMobileNetShuffleNet六、自动化NASNetEfficientNet
卷积神经网络
的
结构
发展概述,主要包括: 早期探索:Hubel实验、LeNet、AlexNet、ZFNet、VGGNet 深度
卷积神经网络
CNN
转载自:https://blog.csdn.net/weixin_40645361/article/details/105018944(作者:一只懒猪猪) Part One.
卷积神经网络
的基本原理 一、
卷积神经网络
的基本
结构
对于一个输入图像,进行卷积操作,得到一个特征图像feature map的一个值(紫色部分),然后通过滑动卷积核对图像上的不同的区域做处理,可以得到这个特征图1。这个特征图1,就是对原始的图像通过卷积操作和激活函数这样的处理得到的。然后这个特征图1可以通过池化层pooling,然后
卷积神经网络
(超详细|配代码讲解)
展示的神经网络,我们看到输入层的宽度和高度对应于输入图像的宽度和高度,而它的深度为1。说
卷积神经网络
是最重要的一种神经网络也不为过,它在最近几年大放异彩,几乎所有图像、语音识别领域的重要突破都是
卷积神经网络
取得的,比如谷歌的GoogleNet、微软的ResNet等,打败李世石的AlphaGo也用到了这种网络。第一个全连接层的每个神经元,和上一层5个Feature Map中的每个神经元相连,第二个全连接层(也就是输出层)的每个神经元,则和第一个全连接层的每个神经元相连,这样得到了整个网络的输出。
【深度学习】经典的
卷积神经网络
模型介绍(LeNet、AlexNet、VGGNet、GoogLeNet、ResNet和MobileNet)
经典的
卷积神经网络
模型介绍
卷积神经网络
简介一、LeNet1、INPUT层-输入层2、C1层-卷积层3、S2层-池化层(下采样层)4、C3层-卷积层5、S4层-池化层(下采样层)6、C5层-卷积层7、F6层-全连接层二、AlexNet1、AlexNet特点2、ReLu作为激活函数3、数据增强4、层叠池化5、局部相应归一化6、Dropout7、Alex网络
结构
8、AlexNet参数数量三、VGG net1、VGG的特点2、VGG网络
结构
3、VGG优缺点四、GoogLeNet1、GoogLeNet Incepet
卷积神经网络
原理及其C++/Opencv实现(1)
其实也不然,就像大脑由一个个脑细胞构成一样,深度学习也是由一个个神经元构成的,如果只看单个细胞或者神经元,觉得没那么复杂,但是很多很多个细胞或者神经元组合起来形成一个整体,就变得那么的神奇与伟大。与神经网络相似,
卷积神经网络
也由多个卷积神经元级联而成,前一个卷积神经元的输出作为后一个卷积神经元的输入。我们首先不看神经网络里面的数据处理细节,只看输入端与输出端输入端是我们输入神经网络的数据,输出端是我们想要得到的经过神经网络处理之后的数据。好了,讲完二维图像的卷积原理,接着我们来讲卷积神经元吧。...
机器视觉
4,446
社区成员
15,335
社区内容
发帖
与我相关
我的任务
机器视觉
图形图像/机器视觉
复制链接
扫一扫
分享
社区描述
图形图像/机器视觉
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章