深度学习在图像识别中的应用-百度文库精编版.pptxVIP

深度学习在图像识别中的应用;目 录;图像识别概述;图像识别;图像识别;图像识别的应用;图像识别的常用方法;人工神经网络与深度学习;人脑识别的过程;ANN的发展史;人工神经网络与深度学习;深度学习的现状;深度学习对图像识别的影响;深度学习;卷积神经网络（CNN）;CNN的由来;CNN概述;CNN的三个基本概念;局部感受野;局部感受野;局部感受野;卷积;共享权重;特征图（Feature Map）;池化;CNN的结构;卷积和子采样过程： 卷积过程包括：用一个可训练的滤波器fx去卷积一个输入的图像（第一阶段是输入的图像，后面的阶段就是卷积特征图了），然后加一个偏置bx，得到卷积层Cx。 子采样过程包括：每邻域四个像素求和变为一个像素，然后通过标量Wx+1加权，再增加偏置bx+1，然后通过一个sigmoid激活函数，产生一个大概缩小四倍的特征映射图Sx+1。;光栅化;LeNet-5;LeNet-5;Mnist数据库;LeNet-5;C1层： 输入图片大小： 32*32 卷积窗大小： 5*5 卷积窗种类： 6 输出特征图数量： 6 输出特征图大小： 28*28 (32-5+1) 神经元数量： 4707 [(28*28)*6)] 可训练参数： 156 [(5*5+1)*6] 连接数： 12304 [(5*5+1)*(28*28)]*6 ;S2层： 输入图片大小： (28*28)*6 卷