基于卷积神经网络(CNN)的深度学习图片分类
1.卷积操作
2.提取特征
提取特征,就是利用一个(一个特征)固定的卷积核(一个矩阵),然后对图片的像素进行矩阵处理,每个图像矩阵与卷积核进行 点乘(卷积) 得到的值就是得分。
得分越高说明特征越明显。
3.激活图
4.池化
就是为了减少计算,将子矩形用一个点表示(最大池化,平均,概率矩阵点乘)
5.迁移学习
基于别人已有的训练好的神经网络,我们只需修改最后一层的神经网络结点,如需要三分类就把上图的最后一层1*1*1000
改成1*1*3
减少建模和网络训练。
6.胶囊网络
池化会忽略准确位置、姿态等信息。
7.学习文章
/video/BV1JE411u7K8?from=search&seid=15851655054951940065&spm_id_from=333.337.0.0
如果觉得《基于卷积神经网络(CNN)的深度学习图片分类》对你有帮助,请点赞、收藏,并留下你的观点哦!