第七章_卷积神经网络基础.pptxVIP

第七章：

卷积神经网络基础主讲人：

学习目标1.卷积神经网络的基本结构；2.卷积的概念、分类、原理与TensorFlow实现和相关性质；3.池化的概念、分类、原理与TensorFlow实现;4.全连接层的概念、原理与TensorFlow实现。

卷积神经网络的基本结构PART7.1

7.1卷积神经网络卷积神经网络又称卷积网络（ConvolutionalNetwork），是在图像处理和计算机视觉领域应用较为广泛的一种神经网络。基本结构：输入层卷积层：获得更多图像的抽象特征。池化层：减少网络中参数。全连接层：为后续分类任务做准备。输出层

7.1卷积神经网络

卷积与池化的通俗理解PART7.2

7.2.1对卷积的理解示例任务：分辨照片是否是熊大机械化过程：需要记录熊大特征的照片，记为“卷积核”；用“卷积核”扫描身份证，寻找是否有某个位置出现熊大的特征；将卷积核与身份证上某个位置的图像特征进行相似度计算，这个计算就是“卷积”。

7.2.2对池化的理解熊大图像是否出现在身份证上，只依赖于计算出的相似特征的最大值，即只需要有一个局部图像与熊大照片非常相像，就可以认为身份证上出现了熊大头像。卷积核在图像上不断扫描的过程中，我们只关心卷积计算结果的最大值，这个最大化的操作，就是一种特殊的池化方法，被称为最大值池化（Max-Pooling）。卷积就是计算某种局部的相似性，而池