深度学习与图像识别
[TOC]
图像卷积
卷积神经网络大范围应用于计算机视觉相关
卷积核



步长
均值模糊
均值模糊后,可以将图像中的高频噪声模糊掉
高斯模糊
边缘检测
图像卷积算子

提取特征
全连接
隐含层中的没一个节点都可以自动学习数据中的特征
每一个节点中都和它前面的一层中的所有节点相连
局部连接
卷积神经网络(Convolutional Neural Networks,CNN)

卷积神经网络结构
卷积层:特征提取层
池化层:特征映射层
下采样
在减少数据的处理量的同时,保持有用的信息
本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 麦溪·在路上!
评论
ValineDisqus