卷积神经网络在图像识别中的应用精编版.pptxVIP

卷积神经网络在图像识别中的应用目录卷积神经网络的发展及其特点卷积神经网络模型卷积神经网络的训练卷积神经网络应用于人脸识别卷积神经网络的发展Hubel和Wiesel在研究猫脑皮层中用于局部敏感方向选择的神经元时，发现其独特的网络结构可以有效降低反馈神经网络的复杂性。Fukushima提出了第一个基于神经元之间的局部连接型和层次结构组织的用于转化图像的网络Neocognition.根据Fukushima的观点，LeCun提出了以LeNet为代表的卷积神经网络。卷积神经网络的特点卷积神经网络是一类特别设计用来处理二维数据的多层神经网络。卷积神经网络被认为是第一个真正成功的采用多层层次结构网络的具有鲁棒性的深度学习方法。用卷积神经网络做图像处理时，原始图像不需要太多的预处理就可以较好地学习到图像的不变性特征。权值共享、局部感受野和子采样是卷积神经网络不同于其它神经网络的三个主要特征。卷积神经网络模型NN输入C1S2C3S4输入图像通过滤波器和可加偏置进行卷积得到C1层；对C1层的特征图进行下采样得到S2层；对S2层的特征图进行卷积得到C3层；对C3层的特征图进行下采样得到S4层；S4层的特征图光栅化后变成的向量输入到传统的全连接神经网络进行进一步分类，得到输出；卷积和下采样（降采样）过程?input???*X∑∑∑???卷积过程：用一个可训练的滤波器去卷积输入图像或特征图，然后加上一个偏置