CNN直观感受
来源:互联网 发布:java代码解析json数据 编辑:程序博客网 时间:2024/05/24 01:00
直观感受
让我们对卷积神经网络如何工作形成更好直观感受。我们先看下人怎样识别图片,然后再看 CNNs 如何用一个近似的方法来识别图片。
比如说,我们想把下面这张图片识别为金毛巡回犬。
人类是怎么做的呢?
一种做法是我们识别狗的特定部位,例如鼻子,眼睛,毛发。我们把图片分成小片,识别小片,然后把这些结合在一起,得到一个狗的概念。
这种情况下,我们可以把图片分成下列组合:
- 一个鼻子
- 两只眼睛
- 金色毛发
如下图所示:
再进一步
再进一步来说,我们如何确定鼻子在哪呢?一个金毛巡回犬的鼻子可以看出是一个椭圆形,有两个黑洞在里面。因此,一种辨别巡回犬鼻子的方法是把它分割更小的区域,寻找黑洞(鼻孔)和椭圆的曲线。如下所示:
广义上来说,这就是 CNN 的学习方式。它学习识别基本的直线,曲线,然后是形状,点块,然后是图片中更复杂的物体。最终 CNN 分类器把这些大的,复杂的物体综合起来识别图片。
在我们的例子中,层级关系是:
- 简单的形状,如椭圆,暗色圆圈
- 复杂的物体(简单形状的组合),例如眼睛,鼻子,毛发
- 狗的整体(复杂物体的组合)
有了深度学习,我们不需要设定 CNN 来识别特定的特征。相反,CNN 通过正向和反向传播,自己学习识别上述物体。
尽管我们从来没有让 CNN 寻找特定的特征信息,但是它识别图片的能力却好的惊人!
CNN 可能有几层网络,每个层可能捕获对象抽象层次中的不同级别。第一层是抽象层次的最底级,CNN 一般把图片中的较小的部分识别成简单的形状,例如水平、竖直的直线,简单的色块。下一层将会上升到更高的抽象层次,一般会识别更复杂的概念,例如形状(线的组合),以此类推直至最终识别整个物体,例如狗。
再次强调,CNN 是自主学习。我们不需要告诉 CNN 去寻找任何直线、曲线、鼻子、毛发等等。CNN 从训练集中学习并发现金毛巡回犬值得寻找的特征。
这是个不错的开始!希望你对 CNNs 如何工作有了直观的了解。
接下来我们看看实现的细节。
- CNN直观感受
- CNN神经网络的直观解释
- CNN神经网络的直观解释
- 直观感受SetEase------渐变曲线
- CNN 感受野计算
- 卷积神经网络(CNN)的直观解释
- 视觉直观感受7种排序算法
- 视觉直观感受7种常用算法
- DFT与FFT 的直观感受
- 我对echarts的直观感受
- CNN 感受野大小计算
- 关于CNN(卷积神经网络)最直观的解释
- 眼睛直观感受几种常用排序算法
- 视觉直观感受7种常用排序算法
- 眼睛直观感受几种常用排序算法
- 眼睛直观感受几种常用排序算法
- 视觉直观感受7种常用的排序算法
- 视觉直观感受7种常用的排序算法
- hadoop和Storm
- EASYUI 登陆框界面
- 初识Mybatis(一)
- 容器类iterator 循环删除结点的问题
- spring4天计划(2day)
- CNN直观感受
- C语言循环与递归
- 【补充】adr和ldr的区别
- zabbix自定义监控发邮件
- 高级编程之topn
- vim配置文件
- * 24种设计模式——工厂模式
- sql注入解决
- Node.js+Express+MySql实现用户登录注册