高考考试网
当前位置: 首页 高考资讯

卷积神经网络结构及原理(卷积神经网络CNN简易教程)

时间:2023-07-22 作者: 小编 阅读量: 5 栏目名: 高考资讯

卷积神经网络CNN简易教程让我们先来了解一下我们的大脑是如何识别物体的我们将学习什么是CNN,CNN如何利用大脑的启发进行物体识别,CNN是如何工作的让我们来了解一下我们的大脑是如何识别图像的根据诺贝尔奖获得者Hubel和Wi。

让我们先来了解一下我们的大脑是如何识别物体的。我们将学习什么是CNN, CNN如何利用大脑的启发进行物体识别,CNN是如何工作的。

让我们来了解一下我们的大脑是如何识别图像的

根据诺贝尔奖获得者Hubel和Wiesel教授的说法,视觉区域V1由简单细胞和复杂细胞组成。简单的单元有助于特征检测,而复杂的单元则结合了来自小空间邻域的多个这样的局部特征。空间池有助于实现平移不变特征。

当我们看到一个新的图像时,我们可以从左到右和从上到下扫描图像,以了解图像的不同特征。我们的下一步是结合我们扫描的不同的局部特征来对图像进行分类。CNN就是这样工作的

平移不变特征是什么意思?

图像的不变性意味着,即使图像旋转、大小不同或在不同照明下观看,对象也将被识别为同一对象。

这有助于对象识别,因为图像表示对图像变换(如平移、旋转或小变形等)保持不变。

我们使用卷积神经网络进行图像识别和分类。

让我们了解什么是CNN,以及我们如何使用它。

CNN是什么?

CNN是Convolutional Neural Network卷积神经网络的缩写,卷积神经网络是一种专门用来处理数据的神经网络,它的输入形状类似于二维的矩阵图像。

CNN通常用于图像检测和分类。图像是二维的像素矩阵,我们在其上运行CNN来识别图像或对图像进行分类。识别一个图像是一个人,还是一辆车,或者只是一个地址上的数字。

和神经网络一样,CNN也从大脑中获取启发。我们使用Hubel和Wiesel提出的对象识别模型。

卷积是什么?

卷积是一种数学运算,其中我们有一个输入I和一个参数核K来产生一个输出。

让我们用图像来解释。

我们有一个图像“x”,它是一个具有不同颜色通道(红色、绿色和蓝色RGB)的二维像素矩阵,我们有一个特征检测器或核“w”,然后应用数学运算后得到的输出称为特征图

这个数学运算有助于计算两个信号的相似度。

我们可能有一个特征检测器或滤波器来识别图像中的边缘,所以卷积运算将有助于我们识别图像中的边缘。

我们通常假设卷积函数在除存储值的有限点集外的任何地方都为零。

I是二维数组,K是核卷积函数

因为卷积是可交换的,我们可以把上面的方程重新写一下,如下图所示。我们这样做是为了便于在机器学习中实现,因为m和n的有效值范围变化较小。这是大多数神经网络使用的互相关函数。

以上是互相关函数

那么,我们如何在CNN中实现它呢?

我们实现它的方式是通过卷积层

卷积层是CNN的核心构件,它有助于特征检测。

核K是一组可学习的过滤器,与图像相比,它在空间上很小,但是可以扩展到整个输入图像的深度。

理解这一点的一个简单方法是,如果你是一名侦探,你在黑暗中看到一幅很大的图像或一幅画,你将如何识别图像?

你将使用你的手电筒和扫描整个图像。这正是我们在卷积层中所做的。

核K是一个特征检测器,它相当于图像I上的手电筒,我们正在尝试检测特征并创建多个特征图来帮助我们识别或分类图像。

我们有多个特征探测器,以帮助像边缘检测,识别不同的形状,弯曲或不同的颜色等事情。

这一切是如何运作的?

让我们取一幅3通道5×5矩阵的图像(RGB), 3通道3×3的特征检测器(RGB),然后以步长为1来扫描图像上的特征检测器。

当我在图像上应用特征检测时,输出矩阵或特征图的维数是多少?

特征图的维数与输入图像的大小(W)、特征检测器的大小(F)、步长(S)和图像的填充大小(P)有关

(W−F 2p)/S1

在我们的例子中,W是输入图像的大小,为5。

F是特征检测器接受域大小,在我们的例子中,为3

步长(S)为1,图像上使用的填充大小(P)为0。

因此,我们的特征图维度为(5-3 0)/1 1=3。

因此特征图将是一个3*3的矩阵,有3个通道(RGB)。

下面一步一步进行解释

我们看到5×5的输入图像被简化为3×3的特征图,通道为3(RGB)

我们使用多个特征检测器来寻找边缘,我们可以使用特征检测器来锐化图像或模糊图像。

如果我们不想减少特征图的维数,那么我们可以使用如下所示的填充0

在这种情况下应用相同的公式,我们得到

(W−F2 p) / S1 => (5 - 32)/11= 5,

现在输出的尺寸将是5×5,带有3个颜色通道(RGB)。

让我们看看这一切是如何运作的

如果我们有一个3×3的特征检测器或滤波器,一个偏置单元,那么我们首先应用如下所示的线性变换

输出=输入*权重 偏差

参数个数 = (3 * 3 * 3) 1 = 28

对于100个特征检测器或过滤器,参数的数量将是2800。

在每一个线性函数的卷积运算之后,我们应用ReLU激活函数。ReLU激活函数在卷积层中引入了非线性。

它将特征图中的所有负像素值替换为零。

下图是应用ReLU激活函数后的特征图变换。

现在我们已经完成了局部区域的特征检测,我们将结合所有这些来自空间邻域的特征检测来构建图像。

记住你是一个在黑暗中扫描图像的侦探,你现在已经从左到右、从上到下扫描了图像。现在我们需要结合所有的特征来识别图像

池化

我们现在应用池来获得平移不变性。

平移的不变性意味着当我们少量改变输入时,合并的输出不会改变。这有助于检测输入中常见的特征,如图像中的边缘或图像中的颜色

我们使用最大池函数,它提供了比最小或平均池更好的性能。

当我们使用最大池时,它总结了整个邻居的输出。与原来的特征图相比,我们现在有更少的单元。

在我们的例子中,我们使用一个2x2的框扫描所有的特征图,并找到最大值。

现在我们知道卷积网络由以下构成

  • 并行的多重卷积,输出是线性激活函数
  • 卷积层中应用非线性函数ReLU
  • 使用像最大池这样的池函数来汇总附近位置的统计信息。这有助于“平移不变性”
  • 我们将结果展平,然后将其输入到全连接神经网络

下图是完整的卷积神经网络

卷积使用了三个重要的思想
  • 稀疏的交互
  • 参数共享
  • 等变表示

稀疏交互或稀疏权值是通过使用小于输入图像的核或特征检测器来实现的。

如果我们有一个大小为256 * 256的输入图像,那么就很难检测到图像中的边缘,因为其可能只占图像中像素的一个更小的子集。如果我们使用更小的特征检测器,那么当我们专注于局部特征识别时,就可以很容易地识别边缘。

另一个优点是计算输出所需的操作更少,从而提高了统计效率。

参数共享用于控制CNN中使用的参数或权值的数量。

在传统的神经网络中,每个权值只使用一次,但是在CNN中,我们假设如果一个特征检测器可以用来计算一个空间位置,那么它可以用来计算一个不同的空间位置。

当我们在CNN中共享参数时,它减少了需要学习的参数的数量,也减少了计算需求。

等变表示

这意味着目标检测对光照、位置的变化是不变的,而内部表示对这些变化是等方差的

    推荐阅读
  • 奔涌吧后浪演讲稿(完整的奔涌吧后浪演讲稿)

    奔涌吧后浪演讲稿?像我一样我看着你们,满怀羡慕,我来为大家科普一下关于奔涌吧后浪演讲稿?下面希望有你要的答案,我们一起来看看吧!

  • 水培墨兰的养殖方法和注意事项(水培墨兰的养殖方法和注意事项视频)

    墨兰喜温暖,忌严寒,在18至28℃生长最适宜,在春秋两季植株可以生长的很好,但在夏季温度往往过高,高于30℃的温度不利于植株的生长,需要在高温时放置在阴凉处,再向植株和周围环境喷洒水分以降温,在冬季气候寒冷,应将墨兰放入室内温暖处养殖,以免温度低于5℃时冻伤植株,有暖气的家庭,还应将墨兰放置在距离供暖设备远一些的位置,以免暖气烫伤植株。

  • 有哪些高质量自学网站推荐(推荐8个顶尖的自学网站)

    上面的所有视频课程都支持免费观看,而且还提供了视频教程下载功能。关于Excel快捷键,也全部分门别类了。04*办公资源网这是一个PPT模板资源网站,包含了几十种场景、行业、风格的设计,以及小学到高中的各科教学课件。上面这8个顶尖的自学网站,质量高且免费,能让你悄悄变优秀。

  • 我家的小狗作文(我家的小狗作文范文)

    跟着小编一起来看一看吧!我家的小狗作文今天,妈妈在街上给我买了一只狗,我给它取了一个名字叫“琪琪”,它全身长着毛茸茸的白色茸毛,头上长着两个竖着的三角形耳朵,黑溜溜的小眼睛像两颗闪闪发光的宝石,黑色的小鼻子向外突出,嘴巴小小的,四肢特别短,尾巴向下垂,可爱极了!每次我放学看到它,琪琪就跑了过来,哼哼的直叫好像在说:“小主人,你终于回来了,我可想你了!”

  • 最原始会下蛋的哺乳动物(又是卵生又是哺乳)

    不过在2008年,对于鸭嘴兽"缝合怪"的研究又有了最新的成果。根据研究显示鸭嘴兽的基因数约有1.85万个,22亿个碱基对中的基因体有80%基因属哺乳类动物,剩下的部分则显示为爬虫类、鸟类等非哺乳动物特征。鸭嘴兽将卵产于巢内,每次只有两三枚卵。雄性的鸭嘴兽会在交配的季节中通过分泌毒液的行为来宣誓自己的主导地位。鸭嘴兽是澳大利亚的独有物种。鸭嘴兽的存在,对于生物学界有着重大而独特的意义。

  • 适合七夕情人节的说说(七夕情人节的悲伤说说)

    14.情人节,一个人过的节日总是那么微小。

  • dnf希洛克团本花瓣有什么用(dnf希洛克团本花瓣的作用)

    dnf希洛克团本花瓣有什么用紫英花瓣材料是希洛克团本最为核心的道具,定位跟黑瞳石和反物质粒子一样,都是由团本翻牌获取的。两个阶段的翻牌,第一阶段保底3个材料,而第二阶段最低12个,最高20个材料,基本出现20个的情况,在16人队伍中的占比会有六分之一,大部分情况是15个。其次,团本金牌奖励有四种,分别是账号绑定的紫英花瓣、卡片、希洛克史诗及无形残香,其中无形残香专门是为100级史诗武器提升词条准备的。

  • 2021佛山社保缴费比例(佛山社保2021年缴费标准)

    2021年1月1日起,佛山市职工社保缴费标准有调整!调整后的社会保险费缴费比例与基数如下

  • 后池什么时候变成上古(千古玦尘电视剧简介)

    上古苏醒过来,记忆却停留在了九幽,她问起天启关于白玦之事,天启将混沌之劫解除,神界关闭一事告诉上古,他瞒住了月弥跟古君之死,而元启则是白玦与凡仙女子的孩子,但白玦将孩子抛弃了,与芜浣的女儿景昭成了婚。一切事情都变化得太快,令上古不知所措。该剧根据星零所著仙侠小说《上古》改编,讲述了真神上古与白玦几经生死、依旧情深不负的爱情故事。上古界四位真神中白玦与上古之间几经生死离别的三世情深虐恋。

  • 0.75平方的电线能承受多少电流(详解11.5)

    详解11.51平方电线、1.5平方电线、2.5平方电线、4平方电线、6平方电线等,那么这些电线可以负荷多少瓦呢?这也是大家比较关心的下面就来详细看看1、1.5、2.5、4、6平方电线可以负荷多少瓦首先给小白科普一。