目錄
13.1 深度學習基礎
13.2 影像識別與深度學習
13.3 影像卷積
13.4 卷積神經網路
13.1 深度學習基礎
特征工程:盡可能選擇和構建出好的特征,使得機器學習演算法能夠達到最佳性能

深度神經網路:有多層隱含層的神經網路
深度學習三要素:資料、演算法、計算力
13.2 影像識別與深度學習
影像識別核心問題:影像特征的提取
影像特征包含:形狀特征、顏色特征、紋理特征
13.3 影像卷積
影像卷積運算:影像中的每個像素點,用其周圍像素點的灰度值加權求和調整該點的灰度值
卷積核/卷積模板

將影像和卷積核一一對應,加權求和
得到新的灰度值
步長:卷積核一次移動的像素數
均值模糊

高斯模糊

邊緣檢測




13.4 卷積神經網路
CNN
卷積層


池化層


轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/354791.html
標籤:其他
上一篇:CV學習筆記-數字影像概述
