myaa

卷积神经网络的基本原理.txt

@@ -0,0 +1,2 @@
+卷积神经网络的基本原理
+卷积神经网络是专门为二维图像设计的特殊网络结构，输入是一幅图像，输出是用于分类或者目标定位的图像特征。由于卷积神经网络的输入一般是一幅图片，如果利用普通的人工神经网络将图片的每个像素作为输入，此时一张图片中有多达百万级的像素点，这么多的输入会让网络非常复杂。借鉴人眼识别物体的局部感受原理，卷积神经网络也设计了一种感受野（卷积核）负责提取图片的局部特征，最后将多个局部特征综合得到图片的全局特征。卷积神经网络首先将输入图片利用多个随机初始化的卷积核（一般为奇数尺寸的小正方形）进行卷积运算（加权求和），然后将卷积运算的结果输入到激活函数得到多张特征图（该卷积核在特征图的提取过程中是权值共享的，这也是卷积神经网络的主要优点），最后对这些特征图进行下采样，这个过程迭代若干次之后将会得到整张图片的特征向量。