大片大片黄网站播放,国产高清在线精品一区a,成人免费精品视频

CNN解決問(wèn)題：

提取特征：卷積操作提取圖像特征，如邊緣、紋理等，保留圖像特征。
數(shù)據(jù)降維：池化操作大幅降低參數(shù)量級(jí)，實(shí)現(xiàn)數(shù)據(jù)降維，大大減少運(yùn)算量，避免過(guò)擬合。

二、人類(lèi)的視覺(jué)原理

在我們了解 CNN 原理之前，先來(lái)看看人類(lèi)的視覺(jué)原理是什么？

1981年諾貝爾醫(yī)學(xué)獎(jiǎng)：

獲得者：David Hubel（大衛(wèi)·休伯爾）、Torsten Nils Wiesel（托斯坦·威澤爾）、Roger Sperry（羅杰·斯佩里）
主要貢獻(xiàn)：發(fā)現(xiàn)了視覺(jué)系統(tǒng)的信息處理，可視皮層是分級(jí)的。

人類(lèi)視覺(jué)原理：

光信號(hào)感知：原始信號(hào)攝入，光信號(hào)轉(zhuǎn)化為神經(jīng)信號(hào)。
初級(jí)視覺(jué)處理：神經(jīng)信號(hào)傳送到大腦的初級(jí)視覺(jué)皮層，進(jìn)行初步特征提取，例如邊緣、紋理等。
高級(jí)視覺(jué)處理：初級(jí)視覺(jué)皮層的信息傳遞到高級(jí)視覺(jué)皮層，進(jìn)行復(fù)雜的特征提取，例如顏色、形狀、運(yùn)動(dòng)等。
識(shí)別與認(rèn)知：將輸入的圖像與已有的知識(shí)進(jìn)行匹配和識(shí)別。

構(gòu)成部分：

基本原理：

使用一個(gè)過(guò)濾器（卷積核）來(lái)過(guò)濾圖像的各個(gè)小區(qū)域，從而得到這些小區(qū)域的特征值。

原始是20×20的，進(jìn)行下采樣，采樣為10×10，從而得到2×2大小的特征圖。

典型的 CNN 并非只是上面提到的3層結(jié)構(gòu)，而是多層結(jié)構(gòu)。

例如，LeNet-5被譽(yù)為是卷積神經(jīng)網(wǎng)絡(luò)的“Hello Word”。LeNet-5是圖靈獎(jiǎng)獲得者Yann LeCun（楊立昆）在1998年提出的CNN算法，用來(lái)解決手寫(xiě)識(shí)別的問(wèn)題。

LeNet-5 的網(wǎng)絡(luò)結(jié)構(gòu)：

輸入層- 卷積層 – 池化層- 卷積層 – 池化層 – 卷積層 – 全連接層 – 輸出層

實(shí)際應(yīng)用：

圖像分類(lèi)：可以節(jié)省大量的人工成本，將圖像進(jìn)行有效的分類(lèi)，分類(lèi)的準(zhǔn)確率可以達(dá)到 95%+。典型場(chǎng)景：圖像搜索。
目標(biāo)定位：可以在圖像中定位目標(biāo)，并確定目標(biāo)的位置及大小。典型場(chǎng)景：自動(dòng)駕駛。
目標(biāo)分割：簡(jiǎn)單理解就是一個(gè)像素級(jí)的分類(lèi)。典型場(chǎng)景：視頻裁剪。
人臉識(shí)別：非常普及的應(yīng)用，戴口罩都可以識(shí)別。典型場(chǎng)景：身份認(rèn)證。