大家好,昨天使用layers.Conv2D建立卷積層,不過只是寫了最基本的程式碼,還有許多參數是沒有去設定,也沒有說明卷積層的計算與用處,不過在介紹卷積層之前,應該先去了解一下卷積神經網路,所以今天就會以介紹卷積神經網路為主。
卷積神經網路(Convolutional neural network, CNN)是在深度學習中重要的一部份,在影像與聲音辨識領域的發展上有不錯的成果,尤其是影像辨識,近年舉辦的視覺競賽中,幾乎都是採用卷積神經網路,之所以卷積神經網路在影像辨識領域上特別具有優勢,是因為在結構中不同於其他深度神經網路,卷積神經網路結構主要是由卷積層、池化層、扁平層與全連接層組成,比起其他深度神經網路多了卷積層與池化層,讓卷積神經網路在處理輸入資料時,可以維持形狀資訊,並且避免參數大幅增加,不必將資料轉為一維再處理。有了以上特性,在處理影像資料上更有效率。
今天先做了卷積神經網路的簡單介紹,之後要去了解讓卷積神經網路與其他深度神經網路不同的卷積層與池化層的運算原理。