【《卷积神经网络概述》1700字】_第1页
【《卷积神经网络概述》1700字】_第2页
【《卷积神经网络概述》1700字】_第3页
【《卷积神经网络概述》1700字】_第4页
【《卷积神经网络概述》1700字】_第5页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

翻译文稿[34]。随后针对卷积神经网络自身结构不断有研究者进行改进，从网络层的设计、损失函数的设置与设计、激活函数等方面做了非常大的创新，其成效也越来越好，例如AlphaGo与人的围棋对抗中取胜，就可以知道卷积神经网络为基础的深度学习能力的强大。卷积神经网络是图像识别技术中的主要技术框架，其以图像作为直接输入，将传统的特征提取的复杂度降低，而且其网络结构就是为了识别二维图像的多个层次的感知机，下面对其组成进行详细讲解。1.1神经元神经元是神经网络中最基本的组成。其模型包括多个输入，多个计算功能和一个输入，如下图2-5所示，其中xi表示输入信号，wij表示连接上的权重；bj表示偏置项，y图2-5神经元模型Fig.2-5NeuronModely1.2多层感知器多层感知器的结构如图2-6所示。其由多层网络组成，包括了输入、输出层和中间的隐藏层，隐藏层的数量可以有很多。输入层接收要进行判断的数据，对于图像识别来说就是图片的点信息。输出层用于分类，其神经元数量就是要分为的类别数目。中间的隐藏层互相之间有连接，但是同一层神经元没有连接。图2-6多层感知器Fig.2-6Multi-LayerPerceptron1.3卷积层卷积层的主要结构是卷积核，其对图像按照自身大小与图像对应尺寸的区域做点积运算得到一个数值，这一过程称为卷积，如图2-7所示。一次卷积之后再滑动一定步长再与下一个区域做同样的计算，以此类推一直到图像最终的区域。卷积过程结束后形成一张特征图featuremap，这一总体过程就是对图像的特征提取，目的是让图像的特征更鲜明。若输入的图像是三个通道，卷积核也对应有三层，分别做卷积，一次卷积之后将三个结果相加并用激活函数激活。图2-7卷积过程Fig.2-7ConvolutionProcess该过程中输出值ajl以及特征图尺寸的计算公式如式2-2,2-3所示，其中f为激活函数，M为特征图输入集合；n表示上层特征图尺寸，k表示卷积核的尺寸，aout1.4池化层池化层一般与卷积层交替出现，主要为了获得空间不变的特征，相当于对特征的第二次提取。池化常见的有两种方式，最大池化和平均池化。基本原理是将特征图拆为不同的区域，每个区域会输出区域中所有元素的最大值或平均值，如下图2-8,2-9所示。图2-8平均池化Fig.2-8AveragePooling图2-9最大池化Fig.2-9MaxPooling经过池化后的特征图，它的尺寸计算公式为式2-4所示。pool1.5全连接层全连接层是一种多层感知机，其最后一层的输出值也一般会再连上一层用于分类的输出层，比如Softmax层，其使用的激活函数一般是ReLU。为了防止模型出现过拟合，可以加入Dropout技术，让某些神经元

人人文库> 全部分类> 行业资料 > 工业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论