一、卷积神经网络简介

卷积神经网络是近些年兴起的一种人工神经网络结构, 利用卷积神经网络在图像和语⾳音识别方面能够给出更优预测结果,这一种技术也被广泛的传播应用。卷积神经网络最常被应用的方面是计算机的图像识别, 不过因为不断地创新,它也被应用在视频分析、自然语言处理、药物发现等等。
• 图像方面有图像识别、图像标注、图像主题⽣成、图像内容生成、物体标注等；
• 视频方面有视频分类、视频标准、视频预测等；
• 自然语言方面有对话生成、文本生成、机器翻译等；
• 其它方面包括机器人控制、游戏、参数控制等；
总结：CNN的强大之处在于可以将低维浅层特征映射到高维高层特征，所以凡是满足局部相关性的数据理论上都可以用CNN来处理。

相关应用：
人体特征检测

无人驾驶

图片识别

二、目前CNN进行图像识别的常见架构
比较流行的一种搭建结构是这样, 从下到上的顺序, 首先是输入的图片(image), 经过一层卷积层 (convolution), 然后再用池化(pooling)方式处理理卷积的信息。

卷积层的介绍
为什么卷积？图像本身具有“二维空间特征”，通俗点说就是局部特性。

池化层的介绍
pooling是在卷积网络（CNN）中一般在卷积层（conv）之后使用的特征提取层，使用pooling技术将卷积层后得到的小邻域内的特征点整合得到新的特征。一方面防止无用参数增加时间复杂度，一方面增加了了特征的整合度。pooling是用更高层的抽象表示图像特征，做窗口滑动卷积的时候，卷积值就代表了整个窗口的特征。因为滑动的窗口间有大量重叠区域，出来的卷积值有冗余，进行最大pooling或者平均pooling就是减少冗余。

Dropout层介绍
Dropout是指在深度学习网络的训练过程中，对于神经网络单元，按照⼀定的概率将其暂时从网络中丢弃。注意是暂时，对于随机梯度下降来说，由于是随机丢弃，故而每一个mini-batch都在训练不同的网络。

Dropout例子
•- 集中50人，让这50个人密切精准分工，搞一次大爆破。
- 将50人分成10组，每组5人，分头行事，去随便什么地方搞点动作，成功一次就算。
•哪一个成功的概率比较大？显然是后者。因为将一个大团队作战变成了游击战。
总结：dropout也能达到同样的效果，它强迫一个神经单元，和随机挑选出来的其他神经单元共同工作，达到好的效果。消除减弱了神经元节点间的联合适应性，增强了泛化能力。

全连接介绍
全连接层（fully connected layers，FC）在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。
在实际使用中，全连接层可由卷积操作实现：对前层是全连接的全连接层可以转化为卷积核为1x1的卷积；⽽前层是卷积层的全连接层可以转化为卷积核为hxw的全局卷积，h和w分别为前层卷积结果的高和宽。

三、CNN简单手写识别模型

上一篇： RNN网络介绍

企业文化

东莞佰和的企业文化：佰和智能科技伴您终身，幸福健康每一家
公司战略：用专业AI技术、肠道菌群技术和免疫食品技术建立老年智能健康服务平台
宗旨：做中国优秀的将人工智能技术应用在老年人群和老年痴呆人群的专业公司
公司愿景：创建和发展中国领先的老年痴呆、老人智能健康服务平台
公司的核心价值观：以人为本、开放、自由、平等、创新、奉献，人人都是企业的主人
公司的服务目标：通过使用佰和的产品，让老年痴呆患者和老人过有尊严的晚年生活
社会责任：减轻国家、社会、家庭的负担，减轻护工的压力，提高老年痴呆患者生活质量

更多>>

技术资料>>

RNN网络介绍

CNN卷积神经网络介绍

联系我们

东莞佰和生物科技有限公司
手机：13925845520
联系人：何先生
邮箱：henrik@baiherobot.com
网址：www.baiherobot.cn
地址：东莞松山湖高新技术产业开发区科技四路16号光大We谷C2栋616室

其它 >>

本站部分图文来源网络,如有侵权问题请通知我们处理！

网站建设维护