当前位置：新励学网 > 秒知问答 > CNN原理解析

CNN原理解析

发表时间：2024-07-11 06:25:01 来源：网友投稿

然后通过CNN的可视化可知，CNN识别物体是通过从局部到整体到实现的，CNN识别了局部的特征之后，以及局部特征的相对应的位置，就可以拼凑起来，对整体进行识别。

CNN是由卷积层，采样层和全连接层构成的，大致过程是这样的：

对于一个输入的图片，只考虑一个通道的话，为一个二维矩阵，以下图为例，一个5*5的图像，经过一个3*3的filter，得到了一个3*3的结果，运算的过程是这样的：蓝色框中的3*3的矩阵和filter进行运算，得到了结果矩阵中的那个蓝色的4，运算的方式就是每个相同位置的值相乘，然后把九个数加起来即可。然后卷积核右移一个单位，与红框中的九个数进行运算，得到结果中的红色的3，依次这么右移和下移计算即可得到最终的结果，

下面是一个动图，可以更直观反映：

实际上输入的图片一般为RGB格式，即三通道，那么一次需要三个卷积核，

卷积的计算公式：输入一个图片后，结果卷积，输出的结果与原图片和卷积核的大小存在一定的联系，先介绍几个概念：

下面给出公式：

其中：

实际上仅仅是这样的一个简单的操作，可以让我们的效率大大提高，其优点如下：

参考：

卷积神经网络（CNN）入门讲解

卷积神经网络（ConvolutionalNeuralNetworks，CNN）

免责声明：本站发布的教育资讯（图片、视频和文字）以本站原创、转载和分享为主，文章观点不代表本网站立场。

如果本文侵犯了您的权益，请联系底部站长邮箱进行举报反馈，一经查实，我们将在第一时间处理，感谢您对本站的关注！