CNN 是卷积神经网络(Convolutional Neural Network)的简称,在影像辨识的领域中,一定要认识 CNN!
如上图所示,CNN 的概念简单来说其实就是做"两次"的 Convolution 和 Max pooling,最後再经过两层 fully Connected layer ,这样的组合就是 CNN 的架构了~
Convolution 的概念我们上一篇有介绍了,就是将原始图片透过特定的 filter 做卷积运算
,出来的结果我们称为 feature map。
图片出处
再来要讲的是 pooling ,在 Pooling Layer 通常采用 Max Pooling
,什麽是 Max pooling 呢? 它的概念很简单:挑出每组矩阵当中的最大值
!这样就能提取到影像中每个部分比较重要的特徵,加速收敛并缩小 Feature map 的尺寸!
Max Pooling 主要的好处是当图片整个平移几个 Pixels时,对影像判断上完全不会造成影响,以及有很好的抗杂讯功能。
全连接层的工作就是前面的结果平坦化
(flatten)後做最後的特徵提取,并且利用最後一层的 FC 当作分类器。也就是说经过几个卷积层和最大池化层之後,最终的分类是通过全连接层完成的。
<<: 【Day 17】深度学习(Deep Learning)--- Tip(二)--- ReLU
其实订阅订单跟定期定额作法非常相似, 这边会额外拉出来讲是因为个人对於他们两兄弟有不同定义, 文章是...
今天是30天程序语言研究的第二十六天,由於最近写unix语言的东西用到很多,所以做了很多笔记,就想说...
从前几回的研究中,我已经学会 Lua 的函数宣告,也只是一个 function 变数,以及相关的语法...
S 端子(或称 S-Video)的 S 呢、指的是 Separate、也就是分离的意思。它的原理就只...
要完成一个专案,为了快速开发,经常会使用一些gem套件协助 但是套件这麽多,脑袋装不下啊 (泣 今天...