iT邦幫忙

2018 iT 邦幫忙鐵人賽
DAY 21
0

前言:

再上一篇文章中,我們使用了多層感知器來進行辨識,而為了增加準確度,我們再下篇文章中將使用CNN來進行辨識,而這篇文章我們先來介紹CNN的概念。

卷積神經網絡(CNN):

圖片經過各兩次的Convolution, Pooling, Fully Connected就是CNN的架構了。

Convolution Layer卷積層:

說明:

卷積運算就是將原始圖片的與特定的Feature Detector(filter)做卷積運算。

實例:

https://ithelp.ithome.com.tw/upload/images/20180115/20107535w3yX2ZCqPW.png

https://ithelp.ithome.com.tw/upload/images/20180115/20107535UvsBijKgyz.png

https://ithelp.ithome.com.tw/upload/images/20180115/20107535xjeD0leUHi.png

https://ithelp.ithome.com.tw/upload/images/20180115/201075350Nzqzq25T2.png

Pooling Layer 池化層:

說明:

在Pooling Layer這邊主要是採用Max Pooling,Max Pooling的概念很簡單只要挑出矩陣當中的最大值就好。

實例:

https://ithelp.ithome.com.tw/upload/images/20180115/201075357619MAuYIB.png

https://ithelp.ithome.com.tw/upload/images/20180115/201075354LjajlJLyA.png

https://ithelp.ithome.com.tw/upload/images/20180115/20107535XMMRzMgr3A.png

https://ithelp.ithome.com.tw/upload/images/20180115/20107535uye24slWPx.png

Fully Connected Layer 全連接層:

說明:

基本上全連接層的部分就是將之前的結果平坦化之後接到最基本的神經網絡了。

實例:

https://ithelp.ithome.com.tw/upload/images/20180115/20107535T4EviV7PGF.png

結語:

今天的CNN介紹就到這邊,主要以運算為主,純理論為輔,下一篇開始正式使用CNN來進行手寫數字辨識。


上一篇
DAY20 手寫數字辨識(2)
下一篇
DAY22 使用CNN增加手寫數字辨識準確度(1)
系列文
tensorflow python30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言