深层网络

深层网络由于其更深的卷积层,能够提取更高级别的抽象特征,增强模型的表达能力和参数可控性,从而在图像分类任务中表现出色。卷积层减少参数,降低过拟合风险,模仿动物视觉系统逐层构建特征,从边缘识别到抽象全局特征的生成。

深层网络在图像分类中表现优越的原因:
(1)更深的网络有更多的卷积层,能提取到更高级更抽象的特征,这样更容易分类
(2)更深的网络有更多的参数,模型的表达能力更强,可控的参数更多,对物体平移的容忍更强

卷积层相对于全连接层参数更少,减少了过拟合的风险,并且由局部特征一层一层组合为更高级更抽象的特征,符合动物的视觉系统。

从下面的例子可以看到,第一层卷积只是一些边缘特征,第二层卷积就组合了一些边缘特征,后面的每一层卷积都将上一层的特征做组合,最终生成以一个抽象的全局特征
这里写图片描述

这里写图片描述

这里写图片描述

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