卷积神经网络算法CNN与图像识别

2021-03-22 15:11:46 来源：

TAGS关键字：

[摘要]卷积神经网络（CNN）深度学习算法目前在很多领域取得成功的应用，例如: 语音识别，图像识别，图像分割，自然语言处理等。釆用卷积神经网络算法（CNN）是通过机器学习方式提高算法准确率，对X

均值池化：mean-pooling——选取指定区域内数值的平均值来代表整片区域
举例说明两种池化方式:（池化步长为2，选取过的区域，下一次就不再选取）

在4 ∗ 4 4*44∗4的数字矩阵里，以步长2 ∗ 2 2*22∗2选取区域，比如上左将区域[1,2,3,4]中最大的值4池化输出；上右将区域[1,2,3,4]中平均值5/2池化输出2NU安检之家

截图1013.jpg 2NU安检之家

3、全连接层工作原理2NU安检之家
卷积层和池化层的工作就是提取特征，并减少原始图像带来的参数。然而，为了生成最终的输出，我们需要应用全连接层来生成一个等于我们需要的类的数量的分类器。2NU安检之家
全连接层的工作原理和之前的神经网络学习很类似，我们需要把池化层输出的张量重新切割成一些向量，乘上权重矩阵，加上偏置值，然后对其使用ReLU激活函数，用梯度下降法优化参数既可。2NU安检之家

2NU安检之家

安检X光机价格 安检门价格 防爆桶价格 手探价格 地探价格