卷积神经网络（CNN）综述

最新推荐文章于 2025-10-23 09:02:52 发布
原创 最新推荐文章于 2025-10-23 09:02:52 发布 · 6.3k 阅读 · 60 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#卷积神经网络 #CNN #卷积层 #池化层 #权值共享

本文全面探讨卷积神经网络（CNN），深入讲解卷积层和池化层的工作原理，以及权值共享如何实现特征提取。通过实例分析，揭示CNN在图像识别领域的强大能力。
最低0.47元/天 解锁文章
CNN文献综述
暴力扬
07-05 2379
卷积神经网络作为深度学习的重要分支，凭借其强大的特征提取能力和广泛的应用前景，成为了当前人工智能研究的热点。未来，随着计算资源的不断增长和算法的持续优化，CNN将继续在各个领域发挥重要作用，并推动人工智能技术的进一步发展。
CNN神经网络
leo_is_ant的专栏
01-10 3103
关于cnn神经网络的学习报告 Issue 1卷积神经网络的流程 我的理解：这个网络和一般的神经网络差不多，不同的地方我觉得有两个，第一，它多了网络的层数，增加层数原因在于，它提高了网络的学习程度。第二，它提取特征的时候不单单使用了sigmoid 函数而是采用了一个卷积核去做卷积并且通过局部感受整体和权值共享的机制将计算量变得不再这么复杂。流程如下：   输入的数据集可以为原
卷积神经网络英文版综述
04-07
What Do We Understand About Convolutional Networks?论文 卷积神经网络（CNN）在计算机视觉领域已经取得了前所未有的巨大成功，但我们目前对其效果显著的原因还没有全面的理解。约克大学电气工程与计算机科学系的 Isma Hadji 和 Richard P. Wildes 发表了论文《What Do We Understand About Convolutional Networks?》，对卷积网络的技术基础、组成模块、当前现状和研究前景进行了梳理，介绍了我们当前对 CNN 的理解。
卷积神经网络综述
06-26
从1989年LeCun提出第一个真正意义上的卷积神经网络到今天为止，它已经走过了29个年头。自2012年AlexNet网络出现之后，最近6年以来，卷积神经网络得到了急速发展，在很多问题上取得了当前最好的结果，是各种深度学习技术中用途最广泛的一种。在本文中SIGAI将为大家回顾和总结卷积神经网络的整个发展过程。
一文读懂卷积神经网络（CNN）：从原理到实战应用
最新发布
2501_93451154的博客
10-23 470
CNN 的结构可概括为 “特征提取层 + 分类决策层”，其中特征提取层是 CNN 的灵魂，由卷积层（Convolutional Layer）、激活函数层（Activation Layer）、池化层（Pooling Layer） 组成，负责从图像中逐层提取从局部到全局的特征；卷积操作本质是线性变换（内积计算），若仅通过线性变换堆叠网络，无论层数多少，最终仍等价于一个线性模型，无法拟合复杂的图像特征（如 “猫的形状” 是非线性的）。卷积操作的本质是 “滑动窗口计算”，具体步骤如下（以灰度图输入为例）：​。
人工智能中卷积神经网络基本原理综述
Zhang Phil
12-11 3万+
人工智能Artificial Intelligence中卷积神经网络Convolutional Neural Network基本原理综述人工智能（Artificial Intelligence，简称AI）的Deep Learning（深度学习）通过机器学习，把某一层的输出output当做下一层的输入input。在人工智能中，认为output是机器通过深度学习获得的某种“智慧”。深度学习（Deep
卷积神经网络研究综述_李彦冬1
08-03
卷积神经网络（Convolutional Neural Network，简称CNN）是一种深度学习模型，它在计算机视觉领域扮演着核心角色。CNN的设计灵感来源于生物视觉系统，尤其是大脑的视觉皮层，其核心在于利用卷积操作来自动地学习图像...
卷积神经网络研究综述_李炳臻1
08-03
卷积神经网络（CNN）是深度学习领域的重要组成部分，它起源于20世纪40年代的心理学和数学模型。自那时以来，经过多次发展和改进，CNN已经成为图像处理、目标识别和自然语言处理等领域的核心工具。CNN的核心特点是其...
卷积神经网络研究综述_周飞燕.pdf
04-02
卷积神经网络（CNN，Convolutional Neural Network）是一种深度学习模型，因其在图像处理、计算机视觉、自然语言处理等领域展现出卓越性能而受到广泛关注。CNN的设计灵感来源于生物视觉系统，尤其是动物视觉皮层的...
卷积神经网络研究综述-周飞燕
12-02
卷积神经网络（CNN）是深度学习领域的一个重要研究方向，它的出现极大地推动了人工智能的发展。卷积神经网络的结构受到动物视觉皮层组织方式的启发，是一种经典的深度神经网络模型。其工作原理基于多层非线性变换，...
CNN经典网络模型-论文合集【综述】
02-21
CNN经典网络模型-论文合集【综述】，LeNet AlexNet GoogleNet ResNet CNN
神经网络(CNN)
qq_51778415的博客
03-29 754
神经网络（CNN） 神经网络主要有三个部分组成, 分别为: 网络结构 —— 描述神经元的层次与连接神经元的结构. 激活函数(激励函数) —— 用于加入非线性的因素, 解决线性模型所不能解决的问题. 参数学习方法的选择(一般为权重值W和偏置项b) 一、CNN领域划分 图像处理领域 图像识别 图像标注 图像主题生成 图像内容生成 … 视频处理领域 视频分类 视频标准 视频预测 … 自然语言处理（NLP）领域 对话生成 文本生成 机器翻译 … 其它方面 机器人控制 游戏 参数控制 …
详解卷积神经网络(CNN)
qq_25762497的博客
04-04 25万+
卷积神经网络（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。
CNN卷积神经网络
weixin_45690427的博客
08-31 1154
卷积神经网络（Convolutional Neural Network, CNN）是一种专门用于处理具有网格结构数据的深度学习模型，特别擅长处理图像数据。CNN通过模拟人类视觉系统的工作原理，能够自动学习图像的层次化特征表示。自动特征学习：无需手工设计特征参数共享：大幅减少参数量层次化表示：从低级到高级特征平移等变性：对位置变化鲁棒端到端学习：直接从原始数据到最终输出。
CNN综述
长不大的老小孩
07-13 1908
卷积神经网络（CNN：Convolutional Neural Network）     卷积神经网络是一种特殊的多层神经网络，像其它的神经网络一样，卷积神经网络也使用一种反向传播算法来进行训练，不同之处在于网络的结构。卷积神经网络的网络连接具有局部连接、参数共享的特点。局部连接是相对于普通神经网络的全连接而言的，是指这一层的某个节点只与上一层的部分节点相连。参数共享是指一层中多个节点的连接共享...
CNN 神经网络介绍
wmsbeijing的专栏
07-28 849
一、传统的模式识别方法  人工设计的特征提取方法+分类器（可以是全连接神经网络） 1.1. 图像–特征提取–>特征–分类器–>数字类别 1.2. 缺点：需要手动设计特征提取方法，通常对于不同的问题需要不同的特征提取方法。而且效果与特征提取方法关系很大。 直接处理图像的全连接神经网络(raw input) 2.1. 图像–全连接神经网络–>数字类别 2.2. 缺点： a. 参数
CNN笔记：通俗理解卷积神经网络
热门推荐
结构之法 算法之道
07-02 91万+
2012年我在北京组织过8期machine learning读书会，那时“机器学习”非常火，很多人都对其抱有巨大的热情。当我2013年再次来到北京时，有一个词似乎比“机器学习”更火，那就是“深度学习”。本博客内写过一些机器学习相关的文章，但上一篇技术文章“LDA主题模型”还是写于2014年11月份，毕竟自2015年开始创业做在线教育后，太多的杂事、琐碎事，让我一直想再写点技术性文章但每每恨时间抽不开。然由于公司在不断开机器学习、深度学习等相关的在线课程，耳濡目染中，总会顺带着学习学习。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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。

余额充值