【模式识别与人工智能】30-第四章-第七节-神将网络-深度神经网络2.pptxVIP

第四章神经网络-深度神经网络2模式识别与人工智能授课教师：栾声扬汇报人：何紫齐

CONTENTSCNN1ResNet2ViT3MLP-Mixer4

PART01CNN

4.7.1CNN卷积神经网络卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习（DeepLearning）的代表算法之一。卷积神经网络的应用领域检测任务分类与检索超分辨率重构医学任务等第六节深度神经网络2

4.7.1CNN整体架构：输入层卷积层池化层全连接层第六节深度神经网络2图1卷积神经网络分层

4.7.1CNN输入层 用于获取卷积神经网络的输入数据，输入层将图像数据转换成矩阵像 素数据输入到神经网络中。卷积层 卷积层是卷积神经网络最重要的部分，卷积层中每一个节的输入是上 一层神经网络的一小块，卷积层试图将神经网络中的每一小块进行更 加深入的分析从而得到抽象程度更高的特征。第六节深度神经网络2

4.7.1CNN池化层化层的神经网络不会改变三维矩阵的深度，但是它将缩小矩阵的大小。 池化层操作将分辨率较高的图片转化为分辨率较低的图片。全连接层