绪论
无处不在的卷积神经网络
分类、检索、检测、分割、人脸识别、图像生成、自动驾驶。。。
深度学习三部曲
- 搭建神经网络
- 找到一个合适的损失函数
- 找到一个合适的优化函数,更新参数
![04 - 卷积神经网络[00-15-35][20201025-164951600]](https://img2020.cnblogs.com/blog/1859480/202010/1859480-20201025164959457-1551658013.jpg)
![04 - 卷积神经网络[00-24-39][20201025-204536725]](https://img2020.cnblogs.com/blog/1859480/202010/1859480-20201025204621904-99726376.jpg)
基本组成结构
卷积:对于两个实变函数的一种数学操作
![04 - 卷积神经网络[00-28-12][20201025-204840326]](https://img2020.cnblogs.com/blog/1859480/202010/1859480-20201025205107125-195654513.jpg)
二维卷积:图像处理中,图像以二维矩阵形式输入神经网络
![04 - 卷积神经网络[00-32-47][20201025-205645964]](https://img2020.cnblogs.com/blog/1859480/202010/1859480-20201025205657320-904753170.jpg)
![04 - 卷积神经网络[00-43-06][20201025-221603594]](https://img2020.cnblogs.com/blog/1859480/202010/1859480-20201025221632699-559387991.jpg)
池化:保留主要特征同时减少参数和计算量,防止过拟合,提高模型泛化能力
一般存在卷积层与卷积层之间,全连接层与全连接层之间
![04 - 卷积神经网络[00-50-26][20201025-222218957]](https://img2020.cnblogs.com/blog/1859480/202010/1859480-20201025222225317-950479784.jpg)
![04 - 卷积神经网络[00-53-55][20201025-222739174]](https://img2020.cnblogs.com/blog/1859480/202010/1859480-20201025222744661-1945257274.jpg)
卷积神经网络典型结构
Alexnet
AlexNet分层解析
![]() |
![]() |
![]() |
---|---|---|
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
ZFNet
网络结构与AlexNet相同
仅更改卷积层一感受野,卷积层3、4、5滤波器个数
VGG
一个更深的网络
![04 - 卷积神经网络[01-28-58][20201026-000546347]](https://img2020.cnblogs.com/blog/1859480/202010/1859480-20201026000552045-506280197.jpg)
GoogleNet
![04 - 卷积神经网络[01-30-43][20201025-233307597]](https://img2020.cnblogs.com/blog/1859480/202010/1859480-20201025233344530-518651246.jpg)
![]() |
![]() |
---|---|
![]() |
![]() |
RetNet
![]() |
![]() |
---|---|