卷积神经网络

卷积神经网络：卷积神经网络（CNN，或ConvNet）是一类深层的前馈人工神经网络，最常用于分析视觉图像。 CNN使用了多种多层感知器，这些感知器的设计要求进行最少的预处理。基于它们的共享权重架构和平移不变性特性，它们也被称为位移不变或空间不变的人工神经网络（SIANN）。 卷积网络受到生物过程的启发，因为神经元之间的连接方式类似于动物视觉皮层的组织。单个皮质神经元仅在被称为感受野的视野受限区域内对刺激做出反应。不同神经元的感受野部分重叠，因此它们覆盖了整个视野。 与其他图像分类算法相比，CNN使用的预处理相对较少。这意味着网络将学习传统算法中手工设计的过滤器。与特征设计中的先验知识和人工无关的这种独立性是主要优势。 在这里，我们有一个图像，卷积神经网络并具有输出标签图像。   卷积运算 卷积运算：在本教程中，我们将讨论卷积。在这里，我们描述卷积函数： 卷积是合并两组信息的数学运算。在我们的情况下，使用卷积滤波器将卷积应用于输入数据以生成特征图。 左侧是卷积层的输入，例如输入图像。右边是卷积滤波器，也称为内核，我们将互换使用这些术语。 由于滤波器的形状，这称为3×3卷积。 我们通过在输入上滑动此滤波器来执行卷积操...