卷積神經網路CNN
作者：凱魯嘎吉 - 博客園 http://www.cnblogs.com/kailugaji/
卷積神經網路（Convolutional Neural Network，CNN 或ConvNet）是一種具有區域連接、權重共享等特性的深層前饋神經網路，卷積神經網路最早主要是用來處理影像資訊，在用全連接前饋網路來處理影像時，會存在以下兩個問題：（1）引數太多，（2）區域不變性特征，
卷積神經網路是受生物學上感受野機制的啟發而提出的，感受野（Receptive Field）機制主要是指聽覺、視覺等神經系統中一些神經元的特性，即神經元只接受其所支配的刺激區域內的信號，在視覺神經系統中，視覺皮層中的神經細胞的輸出依賴于視網膜上的光感受器，視網膜上的光感受器受刺激興奮時，將神經沖動信號傳到視覺皮層，但不是所有視覺皮層中的神經元都會接受這些信號，一個神經元的感受野是指視網膜上的特定區域，只有這個區域內的刺激才能夠激活該神經元，
目前的卷積神經網路一般是由卷積層、匯聚層和全連接層交叉堆疊而成的前饋神經網路，卷積神經網路有三個結構上的特性：區域連接、權重共享以及匯聚，這些特性使得卷積神經網路具有一定程度上的平移、縮放和旋轉不變性，和前饋神經網路相比，卷積神經網路的引數更少，
本博文主要考古了卷積神經網路，重點考古了卷積與互相關的區別與聯系，池化操作，以及幾種典型的卷積神經網路：LeNet-5(詳細介紹每層引數由來)，AlexNet與VGG，
1. 全連接前饋神經網路存在的問題以及卷積神經網路的引入
2. 卷積、互相關與池化
3. LeNet-5
4. AlexNet
5. VGG
6. 參考文獻
[1] 邱錫鵬，神經網路與深度學習，機械工業出版社，https://nndl.github.io/, 2020.
[2] https://courses.cs.duke.edu//spring21/compsci527/notes/n_01_convolution.pdf
[3] https://www.ocean.washington.edu/courses/ess522/lectures/08_xcorr.pdf
[4] https://deeplearning.cs.cmu.edu/S20/document/slides/lec9.CNN.pdf
[5] Zhang, Aston and Lipton, Zachary C. and Li, Mu and Smola, Alexander J., Dive into Deep Learning, arXiv preprint arXiv:2106.11342, 2021.
作者：凱魯嘎吉 出處：http://www.cnblogs.com/kailugaji/ 本文著作權歸作者和博客園共有，歡迎轉載，但未經作者同意必須在文章頁面給出原文鏈接，否則保留追究法律責任的權利，轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/299089.html
標籤：其他
下一篇：教師節， 回饋恩師最好的禮物