Mask R-CNN --CNN提取图像特征

这是根据多篇文章整理的文件，仅供参考！

卷积神经网络(CNN)提取图像特征

卷积神经网络(CNN)是局部连接网络。相对于全连接网络其最大的特点就是：局部连接性和权值共享性。因为对一副图像中的某个像素p来说，一般离像素p越近的像素对其影响也就越大（局部连接性）；另外，根据自然图像的统计特性，某个区域的权值也可以用于另一个区域(权值共享性)。这里的权值共享说白了就是卷积核共享，对于一个卷积核将其与给定的图像做卷积就可以提取一种图像的特征，不同的卷积核可以提取不同的图像特征。概况的讲，卷积层的计算方法就是根据公式

其中”σ”表示激活函数;”imgMat”表示灰度图像矩阵; ”W”表示卷积核;”∘ ”表示卷积操作；”b”表示偏置值。

使用一个含有3个hidden layer的的网络结构

以此类推可以形成第一个隐藏层，注意我们的图片是28*28的，窗口是5*5的，可以得到一个