深度学习案例教程 课件4.1 FashionMNIST图像分类任务介绍_第1页
深度学习案例教程 课件4.1 FashionMNIST图像分类任务介绍_第2页
深度学习案例教程 课件4.1 FashionMNIST图像分类任务介绍_第3页
深度学习案例教程 课件4.1 FashionMNIST图像分类任务介绍_第4页
深度学习案例教程 课件4.1 FashionMNIST图像分类任务介绍_第5页
已阅读5页，还剩2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

使用卷积网络实现图像分类第四章01了解卷积神经网络的基本结构02掌握CNN基本原理、熟悉CNN主要应用03

能够搭建和训练卷积神经网络模型04解决实际的图像分类问题、对图像数据进行预处理和增强学习目标CONTENTS01构建和训练卷积神经网络模型，提高实践动手能力02培养良好的编程习惯03提高问题分析和解决问题的能力04培养团队合作和沟通能力素质目标CONTENTS05培养持续学习的意识和能力搭建CNN模型训练模型实践任务准备数据测试模型第一节

FashionMNIST图像分类任务介绍FashionMNIST是一个常用的图像分类数据集，它由Zalando提供，包含了10个类别的灰度图像，每个类别包含6000张训练图像和1000张测试图像，图像大小为28x28像素。

FashionMNIST的任务是将28x28像素的灰度图像分类到10个不同的类别，包括T恤/上衣、裤子、套衫、连衣裙、外套、凉鞋、衬衫、运动鞋、手提包和踝靴。这个任务的挑战在于，所有的图像都是灰度图像，并且类别之间的差异较小，需要通过学习图像中微小的特征来进行分类。任务需求描述FashionMNIST图像分类任务介绍在全连接层中，相邻层的神经元全部连接在一起，输出的数量可以任意决定。首要的问题是数据的形状被“忽视”了。比如，输入数据是图像时，图像通常是高、长、通道方向上的3维形状。但是，向全连接层输入时，需要将3维数据拉平为1维数据。图像是3维形状，这个形状中应该含有重要的空间信息。比如，空间上邻近的像素为相似的值、RBG的各个通道之间分别有密切的关联性、相距较远的像素之间没有什么关联等，3维形状中可能隐藏有值得提取的本质模式。而卷积层可以保持形状不变。当输入数据是图像时，卷积层会以3维数据的形式接收输入数据，并同样以3维数据的形式输出至下一层。因此，在CNN中，可以(有可能)正确理解图像等具有形状的数据。技术分析FashionMNIST图像分类任务介绍总结1.全连接前馈网络很难提取这些局部不变特征2.卷积神经网络受到生物

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