首页 > 其他分享 >卷积神经网络

卷积神经网络

时间:2023-08-14 11:56:14浏览次数:35  
标签:卷积 28 步长 神经网络 图像 通道

如果一张28*28*1的图像作为输入,那么传统的神经网络输入的是向量,而卷积神经网络输入的是三维矩阵

卷积层作用是特征提取,池化层的作用是压缩特征,注意卷积层的卷积策略是不对图像的最外层的像素进行处理

颜色通道的处理策略

3个颜色通道,每个颜色通道分别做计算,再把每个通道卷积结果相加

卷积的策略

上图表示一层的卷积,这一层中的卷积核有6个,卷积核的个数就是深度的大小也就是得到的特征图像的个数,这6个卷积核的尺寸大小相同里面的数值不同,这6个卷积核分别对这个通道的图像进行卷积,也就是说它们是并联的,并不是一个卷积核对另外一个卷积核的输出结果进行卷积。

卷积的过程

下图以两个卷积核为例

卷积的步长

卷积核的中心向右或则向下移动几个像素步长就是几,比如下面的步长为2

 

标签:卷积,28,步长,神经网络,图像,通道
From: https://www.cnblogs.com/Sandals-little/p/17628246.html

相关文章

  • 优化:深度神经网络Tricks【笔记】
    Slide:http://lamda.nju.edu.cn/weixs/slide/CNNTricks_slide.pdf博文:http://lamda.nju.edu.cn/weixs/project/CNNTricks/CNNTricks.html 1)dataaugmentation;    2)pre-processingonimages;     3)initializationsofNetworks;      4)sometips......
  • 神经网络的基本骨架
    基本骨架1.基本介绍torch.nn官网torcn.nn是专门为神经网络设计的模块化接口,可以用来定义和运行神经网络(Container为基本的框架模块)。nn.Module官网(Baseclassforallneuralnetworkmodules.)nn.Module(torch.nn->Containers->Module)是nn中十分重要的类,包含网络各层的定义及......
  • MATLAB用深度学习长短期记忆 (LSTM) 神经网络对智能手机传感器时间序列数据进行分类|
    最近我们被客户要求撰写关于长短期记忆(LSTM)神经网络的研究报告,包括一些图形和统计输出。此示例说明如何使用长短期记忆(LSTM)网络对序列数据的每个时间步长进行分类。要训练深度神经网络对序列数据的每个时间步进行分类,可以使用 序列对序列LSTM网络。序列对序列LSTM网络......
  • 【BP回归预测】基于粒子群算法优化BP神经网络实现数据回归预测附matlab代码
    ✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。......
  • 基于卷积神经网络的MAE自监督方法
    本文分享自华为云社区《基于卷积神经网络的MAE自监督方法》,作者:Hint。图像自监督预训练算法是近年来的重要研究方向,MAE是其中基于ViT实现的代表性方法,学习到了鲁棒的视觉特征。MAE全称是MaskedAutoencoders,是由何凯明提出的自监督预训练方法,借鉴了BERT的预训练任务,将输入图片......
  • 基于卷积神经网络的MAE自监督方法
    本文分享自华为云社区《基于卷积神经网络的MAE自监督方法》,作者:Hint。图像自监督预训练算法是近年来的重要研究方向,MAE是其中基于ViT实现的代表性方法,学习到了鲁棒的视觉特征。MAE全称是MaskedAutoencoders,是由何凯明提出的自监督预训练方法,借鉴了BERT的预训练任务,将输入图片的......
  • 数学建模---- 预测模型 BP神经网络
    什么时候要用BP神经网络?当样本数量<自变量+1的时候,这个时候我们不太适合用回归 可以用BP神经网络  当因变量有多个时,一般我们做回归都只有一个因变量 当因变量有多个可以考虑用神经网络 神经网络的操作步骤: 一个例题:  导入数据:......
  • MATLAB用深度学习长短期记忆 (LSTM) 神经网络对智能手机传感器时间序列数据进行分类|
    原文链接:http://tecdat.cn/?p=26318原文出处:拓端数据部落公众号 最近我们被客户要求撰写关于长短期记忆(LSTM)神经网络的研究报告,包括一些图形和统计输出。此示例说明如何使用长短期记忆(LSTM)网络对序列数据的每个时间步长进行分类。要训​​练深度神经网络对序列数据......
  • 深度神经网络
    需要解决的问题:1、掉入局部最优解的陷阱2、过拟合(陷入对特定模式的数据进行最优化,无法对未知输入进行正确的预测)3、梯度消失——使用ReLU作为激励函数4、学习时间过长一些解决方案:1、更换最优化算法2、批次尺寸最优化3、对超参数的最优化(神经网络层数、神经元个数、学习......
  • 卷积神经网络
    卷积神经网络CNN——常用于图像识别(1)卷积层·卷积——通过对图像进行卷积运算,可以对图像的某个特征进行选择性的增强或减弱·图像的局部性——各个像素点与其附近的像素点之间具有强关联——卷积层利用此对图像的特征进行检测·图像的张数——RGB就是三个,即通道数,单色图......