iT邦幫忙

2023 iThome 鐵人賽

DAY 9
0
AI & Data

深度學習-TensorFlow系列 第 9

DAY9-卷積神經網路 CNN(上)

  • 分享至 

  • xImage
  •  

卷積神經網路CNN (Convolutional Neural Network),是一種前饋神經網路,它的類神經元可以回應一部分覆蓋範圍內的周圍單元。由一個或多個卷積層和頂層的全連通層組成,也包含關聯權重和池化層。最主要又分為三層。


設計的目標最初就是用來處理以多陣列型態表達的資料,像是以RGB三通道表達的彩色圖片。

CNN和傳統神經網路的差異
最大的差異在於CNN是對原始圖像直接操作,而傳統神經網路是人為先對影像提取特徵 (例如 : 灰階化、二值化)再來操作。

CNN三大特點

  1. 感知區域 (Receptive field) : 可採用三維的圖像資料 (width、height、depth)與神經元連接方式,也可以直接採用2維的圖像資料,但隱含層內部的神經原只與原本圖像的某一小塊有關連。
  2. 局部關聯採樣 (Local connectivity) : 根據感知區域的概念,CNN使用過濾器來增強與該局部區域的相關性,並且堆疊多層,來達到非線性濾波的功能且擴及全域。(就是擷取小部分區域較好的特徵值來代表大區塊的特徵值代表值)
  3. 共享權重 (Shared weights) : 使用的過濾器(filters)可以重複使用,當原始圖像產生一定的特徵圖(feature map)時,它的權重向量(weights vector)及偏誤(bias)是共用的。(因為使用相同的權重跟特徵,可以確保即使使用的圖像位置有旋轉,也是可以被徵測的)

上一篇
DAY8-TensorFlow 數學基礎
下一篇
DAY10-卷積神經網路 CNN(下)
系列文
深度學習-TensorFlow30
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