《卷积神经网络》PPT课件.pptx

习题 序言 　　下载提示：该课件是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。课件下载后可定制修改，请根据实际需要进行调整和使用，谢谢！ 　　Download reminder: This courseware is carefully compiled by this shop. I hope that after you download it, it can help you solve practical problems. The courseware can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! 7.1 基于手工特征的图像分类 第七章 卷积神经网络 of 31 3 赵高的“指鹿为马” 7.1 基于手工特征的图像分类 第七章 卷积神经网络 of 31 4 计算机内的图片表示 7.1 基于手工特征的图像分类 第七章 卷积神经网络 of 31 5 传统模式分类与深度神经网络的区别与联系 习题 7.2 卷积神经网络的发展历程 第七章 卷积神经网络 of 31 7 David Hunter Hubel 由低级特征向上抽象形成高级特征 7.2 卷积神经网络的发展历程 第七章 卷积神经网络 of 31 8 Yann LeCun 1989：CNN LeNet的网络架构（7层） 习题 7.3 卷积的本质 第七章 卷积神经网络 of 31 10 卷积示意图 7.3 卷积的本质 第七章 卷积神经网络 of 31 11 7.3 卷积的本质 第七章 卷积神经网络 of 31 12 生活中的“卷积” 7.3 卷积的本质 第七章 卷积神经网络 of 31 13 7.3 卷积的本质 第七章 卷积神经网络 of 31 14 7.3 卷积的本质 第七章 卷积神经网络 of 31 15 7.3 卷积的本质 第七章 卷积神经网络 of 31 16 计算机“眼中”的图像 7.3 卷积的本质 第七章 卷积神经网络 of 31 17 简化版本的图像矩阵和卷积核 7.3 卷积的本质 第七章 卷积神经网络 of 31 18 动态2D卷积 7.3 卷积的本质 第七章 卷积神经网络 of 31 19 常用的图像卷积核 7.3 卷积的本质 第七章 卷积神经网络 of 31 20 7.3 卷积的本质 第七章 卷积神经网络 of 31 21 7.3 卷积的本质 第七章 卷积神经网络 of 31 22 习题 7.4 卷积神经网络的结构 第七章 卷积神经网络 of 31 24 7.4 卷积神经网络的结构 第七章 卷积神经网络 of 31 25 典型卷积神经网络的结构 习题 7.5 卷积层 第七章 卷积神经网络 of 31 27 局部连接示意图 7.5 卷积层 第七章 卷积神经网络 of 31 28 7.5 卷积层 第七章 卷积神经网络 of 31 29 7.5 卷积层 第七章 卷积神经网络 of 31 30 7.5 卷积层 第七章 卷积神经网络 of 31 31 习题 7.6 非线性激活层 第七章 卷积神经网络 of 31 33 激活层：非线性变换提升神经网络的表达能力 习题 7.7 池化层 第七章 卷积神经网络 of 31 35 采样的本质就是力图以合理的方式“以偏概全” 7.7 池化层 第七章 卷积神经网络 of 31 36 最大池化和均值池化策略比对图 7.7 池化层 第七章 卷积神经网络 of 31 37 池化带来的好处：平移不变性（Invariance） 7.7 池化层 第七章 卷积神经网络 of 31 38 池化前后的特征图谱变化 习题 7.8 全连接层 第七章 卷积神经网络 of 31 40 全连接层（Dense Layer）目的：在于分类/回归等。 前面若干层（卷积、激活、池化等）目的：数据变换--提取特征，作为全连接层的输入，为全连接层服务。 7.8 全连接层 第七章 卷积神经网络 of 31 41 习题 7.9 CNN网络的训练 第七章 卷积神经网络 of 31 43 CNN的反向传播（BP）过程 习题 7.10 经典的卷积神经网络 第七章 卷积神经网络 of 31 45 LeNet-5的网络架构 7.10 经典的卷积神经网络 第七章 卷积神经网络 of 31 46 AlexNet的整体架构图 7.10 经典的卷积神经网络 第七章 卷积神经网络 of 31 47 7.10 经典的卷积神经网络 第七章 卷积神经网络 of 31 48 1．除了文中描述的常见卷积核，你还知道哪些常用于图像处理的卷积核？ 2．CNN的反向传播部分用的是