基于卷积神经网络(CNN)的深度学习图片分类

1.卷积操作

在这里插入图片描述

2.提取特征

在这里插入图片描述

提取特征，就是利用一个 (一个特征) 固定的卷积核(一个矩阵)，然后对图片的像素进行矩阵处理，每个图像矩阵与卷积核进行 点乘(卷积) 得到的值就是得分。

得分越高说明特征越明显。

3.激活图

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

4.池化

就是为了减少计算，将子矩形用一个点表示(最大池化，平均，概率矩阵点乘)

在这里插入图片描述

5.迁移学习

在这里插入图片描述

在这里插入图片描述

基于别人已有的训练好的神经网络，我们只需修改最后一层的神经网络结点，如需要三分类就把上图的最后一层1*1*1000改成1*1*3

减少建模和网络训练。

在这里插入图片描述

6.胶囊网络

在这里插入图片描述

池化会忽略准确位置、姿态等信息。

在这里插入图片描述

在这里插入图片描述

7.学习文章

https://www.bilibili.com/video/BV1JE411u7K8?from=search&seid=15851655054951940065&spm_id_from=333.337.0.0

# 深度学习 # cnn # 分类
Logo
技术共进，成长同行——讯飞AI开发者社区

技术共进，成长同行——讯飞AI开发者社区

更多推荐

cover

程序员必学！大模型五大核心技术(MCP/Agent/RAG/RPA/A2A)全解析（收藏版）

avatar 讯飞AI开发者社区
cover

38_多模态模型：CLIP的视觉-语言对齐_深度解析

avatar 讯飞AI开发者社区

自然语言处理（NLP）基础

苹果”可以指一种水果，也可能指Apple 公司；“我今天早上没吃饭”中的“没”是否表示“完全没有”需要结合上下文。NLP 的任务就是让计算机能够“读懂”这些文字和语音，抽取其中的语义信息，从而与人类进行自然交流。简单来说，NLP 是计算机科学、人工智能与语言学的交叉学科。自然语言处理（NLP）让计算机能够理解和生成自然语言，是人工智能最贴近人类日常生活的技术之一。随着深度学习和大模型的发展，NLP

avatar 讯飞AI开发者社区