深度学习入门课笔记(二)

本文介绍了深度学习中的卷积神经网络,从其发展史上的关键节点,如猫的视觉系统实验、新认知机、LeNet-5和AlexNet,到卷积层和池化层的作用。卷积层利用卷积核提取特征,池化层则用于降低图像分辨率并减少参数量。Lenet-5作为早期的经典模型,展示了卷积神经网络在图像识别中的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

卷积神经网络

卷积神经网络发展史

猫的视觉系统实验

第一个卷积神经网络雏形——新认知机

第一个大规模商用卷积神经网络——Lenet—5

第一个技惊四座的卷积神经网络——Alexnet

卷积层

 池化层

Lenet-5


卷积神经网络

卷积神经网络发展史

猫的视觉系统实验

1.神经元存在局部感受区域(感受野)

2.细胞对角度有选择性

3.细胞对运动方向有选择性

启发:

视觉系统是分层、分级的进行处理,从低级到高级的抽象过程\rightarrow堆叠使用卷积和池化

神经元实际上是存在局部的感受区域的(局部敏感)\rightarrow神经元局部连接

第一个卷积神经网络雏形——新认知机

具有层级结构的神经网络

缺点:无反向传播算法更新权值,模型性能有限

第一个大规模商用卷积神经网络——Lenet—5

缺点:无大量数据和高性能计算资源

第一个技惊四座的卷积神经网络——Alexnet

2012年,AlexNet获得ILSVRC分类任务冠军,拉开了卷积神经网络统治图像领域序幕。

卷积层

补充:图像识别特点:特征具有局部性、特征可能出现在任何

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值