《计算机视觉应用开发》课件 第2章 图像分类 cha2 3_卷积神经网络.pptx

卷积神经网络 认识卷积网络01任务了解网络结构02任务卷积网络的发展历史03任务 学习目标掌握卷积网络的基础结构了解卷积网络的常见方法 1认识卷积神经网络 1认识卷积神经网络神经网络传统的三层神经网络由输入层，隐藏层，输出层构成，其中隐藏层的层数根据使用时的具体需求而定，带有大量的参数。但是作为图像来说，其本身具有“二维空间特征”，通俗点说就是局部特性。譬如看一张猫的图片，可能看到猫的眼镜或者嘴巴就知道这是猫的图片，而不需要说看完了每个部分才知道图片的内容。如果可以用某种方式对一张图片的某个典型特征识别，那么就可以知道这张图片的类别。因此，还需要一个更高效的特征学习部分。 1认识卷积神经网络卷积神经网络卷积神经网络（convolutional neural network，CNN）是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类。其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程要求。 2网络结构 2网络结构1.卷积层由于输入图像通常很维数很高，例如，1000×1000大小的彩色图像对应于三百万维特征，因此，继续沿用多层感知机中的全连接层会导致庞大的参数量。大参数量需要繁重的计算，而