CNN卷积神经网络结构_LifeBackwards的专栏_cnn卷积神经网络的主要结构

发表于:2022-02-19

卷积神经网络通常是由四部分组成：输入层、卷积层、下采样层、全连接层和输出层。典型的卷积神经网络中，开始的几层一般是卷积层和下采样层交替出现，靠近输出层的最后几层通常是全连接层，其结构如图2-4所示。一幅原始二维图像输入卷积神经网络网络进入卷积层后，将会被卷积核函数作用提取到输入图像的局部特征，这些局部特征一旦被提取之后，它们之间的位置关系也会随之确定下来。一个卷积核对应一种特征，对同一幅图像采用相同卷积核提取不同位置的相同特征构成一幅特征图，这方式称作卷积神经网的权值共享。通过增加卷积核个数，对输入图像同一位置提取不同的特征，由此构成不同的特征图，这些不同的特征图经过组合作为卷积层的输出。权值共享和下采样不仅减少了网络的参数个数，而且对输入数据具有一定的位移不变和缩放不变性。卷积层后接着是下采样层，下采样层对卷积层的特征图进行了子采样。卷积神经网络最末几层是全连接层，它将最后产生的特征图连接起来，调节输出节点数并得到分类结果。卷积神经网络通常是由四部分组成：输入层、卷积层、下采样层、全连接层和输出层。典型的卷积神经网络

分享到：

非常感谢你花费了来阅读本文,如果你在本站获取到了新知识,那就请点击分享按钮将本站分享出去吧。