图像识别技术与应用-卷积神经网络

重新思考-全连接层

多层感知机的局限性：
        参数太多：处理图像时，参数量巨大，导致计算复杂度高。
        不利于表达空间结构：多层感知机会破坏图像的空间结构信息。
        难以反映平移不变性：无法有效处理图像中的平移不变性问题。
        难以表征抽象层级：无法有效提取图像中的浅层和高层特征。

 猫狗分类

使用一个还不错的相机采集RGB图片（3600万个像素）使用 100 个神经元单隐含层的 MLP ，模型有 36 亿个参数远超过地球上的狗和猫的数量

使用卷积神经网络可大大降低参数量：共享参数机制、多种池化方法

 

两个原则

平移不变性

        不管检测对象出现在图像中的哪个位置，神经网络的前面几层都应该对相同的图像区域具有相似的反应。

局部性

        神经网络的前面几层应该只探索输入图像中的局部区域，而不过度在意图像中相隔较远的区域的关系。

图像卷积

卷积层

例子