Coursera吴恩达《卷积神经网络》课程笔记(1)卷积神经网络
2017-11-13 11:04
232 查看
计算机视觉
计算机视觉问题
图片分类目标检测
画风迁移
在大图片上的深度学习
如果采用传统的全连接层,可能会导致参数巨大,导致无法进行计算。卷积神经网络由此产生
边缘检测的例子
可以设计一些专用的filter来提取图片的纵向边缘和横向边缘
- vertical edges
horizontal edges
这些专用的filters是计算机视觉专家精心设计出来的,往往可以提取一些不错的特征,但每次人为去设计,可能不够灵活。我们应该尝试让数据说话。也就说去学习一些filters
Padding组件
为什么要引入Padding组件
卷积操作会使输出缩小太快卷积操作会导致输出中只有极少数值会受到图像边缘像素的影响,这样相当于丢失了一些边缘像素的信息
Strided 组件
strided卷积的例子
strided卷积的总结
在立体上的卷积
在RGB图像上的卷积
采用多个卷积filters
单层卷积神经网络
单层神经网络的例子
单层卷积神经网络的符号规定
Pooling组件
Max Pooling(常用)Average Pooling(不常用)
Pooling层总结
池化前后通道的数量不变
池化层没有需要学习的参数
卷积神经网络层的类型
卷积层池化层
全连接层
一个完整的卷积神经网络的例子
参数主要集中在全连接层
随着层数的递增,nH和nW都是递减的,nC是递增的
为什么卷积是有意义的
参数共享:如果一个特征探测器在图像的某个部分是有用的,那么他很有可能在图像的另外的部分也是有用的稀疏连接:在每一层,每一个输出中的只依赖一小部分的输入
相关文章推荐
- Coursera吴恩达《卷积神经网络》课程笔记(1)-- 卷积神经网络基础
- Coursera吴恩达《卷积神经网络》课程笔记(1)-- 卷积神经网络基础
- Coursera吴恩达《卷积神经网络》课程笔记(2)-- 深度卷积模型:案例研究
- Coursera吴恩达《优化深度神经网络》课程笔记(1)-- 深度学习的实用层面
- Coursera吴恩达《优化深度神经网络》课程笔记(2)-- 优化算法
- Coursera吴恩达《卷积神经网络》课程笔记(3)-- 目标检测
- Coursera吴恩达《神经网络与深度学习》课程笔记(2)-- 神经网络基础之逻辑回归
- coursera 吴恩达 -- 第四课 卷积神经网络 :第四周 Face Recognition for the Happy House
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(4-1)-- 卷积神经网络基础
- coursera 吴恩达 -- 第四课 卷积神经网络 :第二周 Deep convolutional models
- coursera 吴恩达四卷积神经网络第四周 Art Generation with Neural Style Transfer
- Coursea吴恩达《卷积神经网络》课程笔记(2)深度卷积网络
- coursera 吴恩达 -- 第四课 卷积神经网络 :第二周 Keras - Tutorial - Happy House v2
- coursera 吴恩达 -- 第四课 卷积神经网络 :第二周 Residual Networks - v2
- Coursera吴恩达《优化深度神经网络》课程笔记(2)-- 优化算法
- Coursera吴恩达《优化深度神经网络》课程笔记(1)-- 深度学习的实用层面
- Coursera吴恩达《卷积神经网络》课程笔记(4)-- 人脸识别与神经风格迁移
- coursera 吴恩达 -- 第四课 卷积神经网络 :第一周课后习题The basics of ConvNets
- coursera 吴恩达 -- 第四课 卷积神经网络 :第一周课后习题Convolution model - Step by Step - v2
- coursera 吴恩达 -- 第四课 卷积神经网络 :第一周 Convolution model - Application - v1