卷积神经网络为什么这么有效.PDFVIP

本文由SIGAI 人工智能平台原创，未经允许，不得转载 卷积神经网络为什么这么有效？ 导言：在机器视觉和其他很多问题上，卷积神经网络取得了当前最好的效果，它的成功 促使我们思考一个问题，卷积神经网络为什么会这么有效？在本文中，SIGAI 将为大家分析 卷积神经网络背后的奥秘。 思想起源 在各种深度神经网络结构中，卷积神经网络是应用最广泛的一种，它由LeCun 在 1989 年提出[1]。卷积神经网络在早期被成功应用于手写字符图像识别[1][2][3]。2012 年更深层次 的 AlexNet 网络[4]取得成功，此后卷积神经网络蓬勃发展，被广泛用于各个领域，在很多 问题上都取得了当前最好的性能。 卷积神经网络通过卷积和池化操作自动学习图像在各个层次上的特征，这符合我们理 解图像的常识。人在认知图像时是分层抽象的，首先理解的是颜色和亮度，然后是边缘、角 点、直线等局部细节特征，接下来是纹理、几何形状等更复杂的信息和结构，最后形成整个 物体的概念。 视觉神经科学（Visual Neuroscience ）对于视觉机理的研究验证了这一结论，动物大脑