Сверточная нейронная сеть
cnn
Обзор сверточных сетей
Традиционное машинное обучение больше всего требует от нас создания Feature, который устанавливается этим методом, большинство из которых имеют физическое значение, поэтому алгоритм хорош, просто посмотрите, каков ваш проект!
Теперь переходим к сцене распознавания изображений. Одна из проблем, которую нам нужно решить, — как извлечь признаки из изображений? Эта проблема долгое время беспокоила людей, пока не появились сверточные нейронные сети, которые позволяют машинам самостоятельно извлекать признаки изображения и больше не нуждаются в ручном определении.
Итак, если мы сделаем это напрямую с DNN, в чем будет проблема? Взгляните на пример ниже:
Для изображения размером 32*32*3 rgb нам потребуется более 3w параметров, так как размер изображения увеличивается. Проблема в взрыве параметров. тогда что нам делать? Один хочет отправитьсовместное использование параметров.
Совместное использование параметров означает, что мы не подключаем нейрон ко всем входам, а просматриваем только часть входа за раз, как показано на следующем рисунке:
Через ядро свертки мы смотрим только на содержимое изображения в ядре свертки, что эффективно уменьшает количество параметров.Давайте возьмем еще один пример, который поможет нам глубже понять идею ядра свертки:
Совместное использование параметров осуществляется через ядро свертки, что эффективно уменьшает количество параметров нейронной сети.
Графическое объяснение ядра свертки
Следующее изCNNs from different viewpoints
Сначала у нас есть следующее изображение, ядро свертки и выходные 3 матрицы:
Каждое значение в конкретном выводе получается с помощью следующей операции:
Расчет конкретного уравнения:
Давайте посмотрим на это с точки зрения нейронных связей:
Если он полностью подключен:
Из приведенных выше двух рисунков видно, что ядро свертки подключено только к входу отдела, и параметры подключения также являются общими. Это значительно уменьшает количество сетевых параметров.
Суммировать
Эта статья представляет собой простое объяснение ядер свертки, но она может помочь нам понять, как работают сверточные сети.
Это вторая часть серии «Глубокое обучение». Ваша поддержка является движущей силой для меня, чтобы продолжать писать. Я с нетерпением жду нашего общего прогресса.