卷积网络中特征的N种使用方式-5

程序员研修院

企业官方账号

2023-01-12 15:17:18

课时名称	课时知识点
卷积网络中特征的N种使用方式-5

...全文

16 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

卷积神经网络视频教程，该课程以卷积神经网络处理图像为例，探讨了卷积得到的特征图（feature maps）的特性和运用，展示了特征在数据重建、图像生成、对抗样本、相似图查找等等领域的广泛运用，并辅以代码示例，帮助学员更好地理解深度学习和传统机器学习，乃至传统计算机视觉的关系。

本课程以卷积神经网络处理图像为例，探讨了卷积得到的特征图（feature maps）的特性和运用，展示了特征在数据重建、图像生成、对抗样本、相似图查找等等领域的广泛运用，并辅以代码示例，帮助学员更好地理解深度学习和传统机器学习，乃至传统计算机视觉的关系。...

在卷积神经网络的开源框架中，一般每层的数据和权重都使用四维的张量的表示。一个四维张量的形状是（N*C*H*W）或（N*H*W*C），其中N是批处理的大小，因为一般训练模型都是采用批量数据；C是特征通道数目，H*W是特征图的高和宽。通道内特征和通道间特征：在卷积神经网络中，下一层网络的神经元同时融合了上一层特征通道中对应空间位置的神经元及其邻接位置元的信息，以及不同特征通道对应空间位置的神经元信息。 ...

卷积神经网络中卷积核的作用是提取图像更高维的特征，一个卷积核代表一种特征提取方式，对应产生一个特征图，卷积核的尺寸对应感受野的大小。经典的卷积示意图如下： 5*5的图像使用3*3的卷积核进行卷积，结果产生3*3（5-3+1）的特征图像。卷积核的大小一般是（2n+1）*(2n+1)的奇数乘奇数大小（n>=1），最常用的有3*3,5*5,7*7的。之所有使用奇数*奇

设计卷积网络的原则： 1、最后转为一维有两种方式：1）全局平均池化；2）扁平化直接转化为一维的 2、在卷积层的大小变化时尽量保证特征图大小减小n倍时，特征图的个数也增加n倍，维持网络的复杂度（VGG和RESNET遵循了这个原则） ...

CSDN讲师的课程社区_NO_33

2

社区成员

142

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

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