深度学习基础与实践 课件 单元六 基于CNN的服装图像分类项目实战.pptxVIP

卷积神经网络原理

CNN的结构原理

基本原理

1962年，生物学家Hubel和Wiesel通过对猫脑视觉皮层的研究，发现在视觉皮层中存在一系

列复杂构造的细胞，这些细胞对视觉输入空间的局部区域很敏感，它们被称为“感受野”。感受野以某种方式覆盖整个视觉域，它在输入空间中起局部作用，因而能够更好地挖掘出存在于自然图像中强烈的局部空间相关性。感受野的细胞分为简单细胞和复杂细胞两种类型。

1980年，Fukushima根据Hubel和Wiesel的层级模型提出了结构与之类似的神经认知机

(Neocognitron)。神经认知机采用简单细胞层(S层)和复杂细胞层(C层)交替组成，其中S层与Hubel-Wiesel层级模型中的简单细胞层或者低阶超复杂细胞层相对应，C层对应于复杂细胞层或者高阶超复杂细胞层。

基本原理

随后，LeCun等人基于Fukushima的研究工作使用BP算法设计并训练了CNN(该模型称为

LeNet-5),它是经典的CNN结构，后续有许多工作基于此进行改进，它在一些模式识别领域中取得了良好的分类效果。

卷积层池化层全连接层

图片来源：/tags/MtTaggysNTg10SlibG9n.html

CNN的结构原理

:emap