【《卷积神经网络(CNN)技术概述》2000字】

卷积神经网络(CNN)技术概述1.1卷积神经网络简介卷积式的神经网络方法是基于深度机器学习的一种，传统研究方法主要研究采用人工智能设计的图像低层语义特征，缺少对低层图像中更高层次的语义特征信息的分析提取。深度机器学习已经在人脸信息分类、人脸识别、图像定位等重要领域取得了显著的效果。这证明了人类深度机器学习视觉特征的能力对于较低层次的视觉特征，也对于较高层次的语义视觉特征的能力之高。卷积神经网络结构具有水平位移大、尺度大、旋转度高等特点。普遍认为，有许多不同的隐藏电子层相互作用。CNN网络是一种新型带有卷积三维结构的新型深度三维神经网络，凭借其强大的计算性能，已经发展成为当前全球计算机网络视觉科学领域的重要研究发展热点。在模式识别技术方面，由于采用CNN模式避免了对原始数据类型进行复杂的外部人工特征提取，可以直接以原始码的数据类型作为模式输入，得到性能比较好的识别，所以得到了广泛的应用。CNN通常至少包含有两个非线性可通过训练的卷积连接层(convolutionlayer)，两个非线性的固定卷积连接层(又叫池化层，poolinglayer)和一个全新的连接层，一共至少五个隐含层构成。随着越来越多的视频图像被过滤器处理，机器学习的深度已经达到了一定的程度。每个过滤器都必须学习如何过滤图像的某些特征，从而显着提高图像的效率[17]。这些任务过滤器也被俗称卷积式内核(convolutionkernel)，通过简单地显示待办事项列表，自动优化任务自动确定每个任务中最合适的功能。每个图像特征被划分为不同的图像特征，折叠层根据不同的对象对每个图像特征进行分类。CNN这个算法成功的主要关键在于：该算法采用局部计算和联合局部权重计算相结合的方式来减少局部参数值的数量，不仅在分子图像处理上显示出优势，而且与分子生物学和神经网络的过程也很接近。除了显着减少输入参数的数量外，神经网络还采用了函数提取的方法，显着避免了对输入图像的预处理，可以直接用于提取原始图像[18]。目前，基于CNN的函数提取已经被计算机视觉领域十多年积累的各种特殊模型和技术所取代。通过简单的使用，可以轻松、快速、准确地实现复杂数据的处理，避免了在检索复杂数据过程中更新和重构的巨大复杂性。不同的图像隐层可以提取不同的语义图像视觉特征，浅层主要用来提取高层图像的各种颜色、纹理、形状等各种低层语义视觉图像特征，深层图像可以说是用来直接提取高层图像的各种语义视觉特征。一个具有代表性的卷积连接神经网络基本结构[19]如图2-1所示，其通常由多层相互作用不同的隐层网络构成，包括卷积连接层、池化层、全局性连接层、损失恢复层等[20]。图2-1LeNet-5网络模型结构示意图过滤、拖拽、相乘、组合对应的位置。先将凸面过滤器旋转180度（行列对称反转），然后使用旋转过滤器进行相关计算。有时，为了简单起见，虽然名称是“卷积”，实际很重要。在图像上，使用SobelGx滤波器进行卷积如下图所示。图2-2卷积核的计算过程示意图1.2池化层池化层即下采样层，通过卷积操作后可以得到图像卷积后的特征，为了使相对小的特征图描述更大尺寸的图像，需要对图像中局部区域进行特征聚合。池化层相当于特征图的大小定义，具有特征不变性的特点，即虽然缩小了特征图的尺寸，但特征表达能力并没有受到影响。如图2-3所示，以最大池化和均值池化为例，同卷积操作类似，池化也有滑动窗口，池化核（Kernel）为2*2的窗口，MaxPooling是取出Kernel中最大的数作为池化结果，每个滑动窗口取最大的值得到4*4的池化结果，AveragePooling中是取出Kernel中平均值作为池化结果，每个滑动窗口取平均值得到4*4的池化结果。池化不仅可以聚合特征，而且还可以降低特征图的维度，有利于网络中的信息传递。图2-3池化过程图实际上在应用中，通常可以同时堆叠卷积池化层和多个池化层，也就是说，卷积层的操作中再加上多个池化层等操作的这种组合后就可以同时重复多次，每次只做一次卷积和一个池化层的操作，图像就被重新过滤一次，获得的图像信息过滤级别也就更高。例如只要检测一个茎的苹果，初始化后的图像只显示了几乎所有无法区分的茎边缘区域，例如，只有红色部分或茎顶部，过滤后的最后一张图像无法显示整个苹果茎。这就完全符合了关于人类身体视觉辨识分层的基础理论，在深入研究人体图像的基础上，研究了不同类别人的视觉身体识别层次的基本理论，每个物体的视觉身体识别应该是一个层次，一个较低的层次来详细提取人体的某些特征。然后对目标进行更高层次的身体素质或身体感知，在更高层次上对其进行详细的身心行为分析。这意味着高层次的特定对象是中低级、高层次到中高级特征的具体组合，对象的特定特征越来越抽象，越来越不准确地表达语义或表达意图。抽象度越高，分类准确率越低。最后，在整个链路层，将每个簇的特征图尽可能完整地连接起来，来描述神经网络。用于研究和识别每个输入节点的对象。1.3PyQtPyQt这是一个程序工具包，其主要目的是一个能够用来创建一个GUI程序。其是Python和Qt