这里介绍的卷积神经网络是一类强大的、为处理图像数据而设计的神经网络。
基于卷积神经网络结构的模型在计算机视觉领域中已经占主导地位,当今几乎所有的图像识别、对象检测或语义分割相关的问题都是以这种方法为基础。
卷积神经网络需要的参数少于全连接结构的网络,而且卷积也很容易用GPU并行计算。
卷积神经网络是机器学习利用自然图像中一些已知结构的创造性方法。
不变性
卷积神经网络将空间不变性这一概念系统化,从而基于这个模型使用较少的参数来学习有用的表示。
现在,我们归纳下帮助我们设计适合于计算机视觉的神经网络结构的想法:
- 平移不变性(translation invariance):不管检测对象出现在图像中的哪个位置,神经网络的前面几层应该对相同的图像区域具有相似的反映,即为“平移不变性”。
- 局部性(locality):神经网络的前面几层应该只探索输入图像中的局部区域,而不过度在意图像中相隔较远区域的关系,这就是“局部性”原则。最终,在后续神经网络,整个图像级别上可以集成这些局部特征用于预测。
标签:几层,卷积,深度,神经网络,图像,不变性,局部性 来源: https://blog.csdn.net/weixin_43880225/article/details/120617065
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。