机器视觉简介和卷积层简介_第1页
机器视觉简介和卷积层简介_第2页
机器视觉简介和卷积层简介_第3页
机器视觉简介和卷积层简介_第4页
机器视觉简介和卷积层简介_第5页
已阅读5页，还剩12页未读， 继续免费阅读

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

深度学习机器视觉简介和卷积层简介基础理论01BP神经网络回顾BP神经网络能学习和存贮大量的输入-输出模式映射关系，它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和偏执，使网络的误差平方和最小。01卷积神经网络卷积神经网络(ConvolutionalNeuralNetworks，CNN)，CNN可以有效的降低反馈神经网络(传统神经网络)的复杂性，常见的CNN结构有LeNet-5、AlexNet、ZFNet、VGGNet、GoogleNet、ResNet等等，其中在LVSVRC2015冠军ResNet是AlexNet的20多倍，是VGGNet的8倍；CNN的应用主要是在图像分类和物品识别等应用场景应用比较多02主要层次数据输入层：InputLayer卷积计算层：CONVLayerReLU激励层：ReLULayer池化层：PoolingLayer全连接层：FCLayerCNN反向传播03数据输入层在CNN的输入层中，（图片）数据输入的格式与全连接神经网络的输入格式（一维向量）不太一样。CNN的输入层的输入格式保留了图片本身的结构。对于黑白的28×28的图片，CNN的输入是一个28×28的的二维神经元而对于RGB格式的28×28图片，CNN的输入则是一个3×28×28的三维神经元（RGB中的每一个颜色通道都有一个28×28的矩阵）04卷积层基于人脑的图片识别过程，我们可以认为图像的空间联系也是局部的像素联系比较紧密，而较远的像素相关性比较弱，所以每个神经元没有必要对全局图像进行感知，只要对局部进行感知，而在更高层次对局部的信息进行综合操作得出全局信息05卷积层计算卷积过程:06RGB图片卷积过程RGB图片卷积过程:07卷积层相关概念卷积计算层：CONVLayer局部关联：每个卷积核看做一个filter/kernal窗口(receptivefield)滑动，filter对局部数据进行计算相关概念步长：stride

填充值：zero-padding深度：depth08卷积层理论推导02RGB图片卷积过程RGB图片卷积过程:01卷积层计算一个数据输入，假设为一个RGB的图片在神经网络中，输入是一个向量，但是在卷积神经网络中，输入是一个多通道图像(比如这个例子中有3个通道)02卷积层计算卷积为28*28的图像（图像宽度W1=32，filter宽度F=5，Zer

人人文库> 全部分类> 教育资料 > 课件下载

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