机器视角--揭秘图像处理和卷积神经网络架构.docxVIP

机器视角--揭秘图像处理和卷积神经网络架构近日，Dishashree?Gupta?在?Analyticsvidhya?上发表了一篇题为《Architecture?of?Convolutional?Neural?Networks?(CNNs)?demystified》的文章，对用于图像识别和分类的卷积神经网络架构作了深度揭秘；作者在文中还作了通盘演示，期望对?CNN?的工作机制有一个深入的剖析。引言先坦白地说，有一段时间我无法真正理解深度学习。我查看相关研究论文和文章，感觉深度学习异常复杂。我尝试去理解神经网络及其变体，但依然感到困难。接着有一天，我决定一步一步，从基础开始。我把技术操作的步骤分解开来，并手动执行这些步骤（和计算），直到我理解它们如何工作。这相当费时，且令人紧张，但是结果非凡。现在，我不仅对深度学习有了全面的理解，还在此基础上有了好想法，因为我的基础很扎实。随意地应用神经网络是一回事，理解它是什么以及背后的发生机制是另外一回事。今天，我将与你共享我的心得，展示我如何上手卷积神经网络并最终弄明白了它。我将做一个通盘的展示，从而使你对?CNN?的工作机制有一个深入的了解。在本文中，我将会讨论?CNN?背后的架构，其设计初衷在于解决图像识别和分类问题。同时我也会假设你对神经网络已经有了初步了解。目录1.机器如何看图？2.如何帮助神经网络识别图像？3.定义卷积神经网络卷积层池