8.深度学习之卷积神经网络-1

大勇任卷舒

于 2021-03-23 14:18:30 发布

阅读量166

点赞数 1

CC 4.0 BY-SA版权

分类专栏：深度学习文章标签：卷积神经网络深度学习计算机视觉卷积神经网络

@大勇若怯任卷舒

本文链接：https://blog.csdn.net/m0_47454596/article/details/115121812

深度学习专栏收录该内容

66 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了卷积神经网络（CNN）的基础知识，包括其组成层、二维卷积层、填充和步幅的概念。CNN在图像分类任务中扮演重要角色，通过卷积层保留输入形状并有效地识别图像像素的相关性，避免参数过大。卷积运算在图像处理中能实现边缘检测等效果。此外，还探讨了填充和步幅如何影响CNN的计算过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

8.1 卷积神经网络

8.1.1 卷积神经网络的组成层

卷积神经网络是一种用来处理局部和整体相关性的计算网络结构
以图像分类任务为例，在卷积神经网络中，一般包含5种类型的网络层次结构：
[INPUT - CONV - RELU - POOL - FC]
- 输入层
- 卷积层
- 激活函数
- 池化层
- 全连接层

8.1.2 图像分类的局限性

图像进行分类有一定的局限性
- 图像在同一列邻近的像素在这个向量中可能相距较远
- 对于大尺寸的输入图像，使用全连接层容易造成模型过大
卷积层尝

了解本专栏

超级会员免费看

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。