本文深入探讨卷积神经网络（CNN）的工作原理，从卷积运算的过程到CNN网络结构，包括感受野的概念。进一步，介绍了CNN在目标识别任务中的应用，如R-CNN模型，涉及选择性搜索、区域特征提取和SVM分类器。
一.卷积
https://blog.youkuaiyun.com/u014696921/article/details/71908332译自Tim Dettmers的Understanding Convolution in Deep Learning
1. 图像中的卷积运算过程：输入image(二维向量，但有RGB三通道、高度、深度) * Kernel → feature map(RGB三通道各一个)。
详细过程为：其中RAM指100x100image，红色是3x3patch，与kernel进行元素乘再求和后输出到对应featuer map中的一个位置，然后再挪个位置进行卷积操作。
感受野（RF，receptive field）：在卷积神经网络CNN中，决定某一层输出结果中一个元素所对应的输入层的区域大小。用数学的语言就是感受野是CNN中的某一层输出结果的一个元素对应输入层的一个映
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
