1.CNN基本原理
20世纪60年代, Hubel和Wiese研究猫脑皮层发现用于局部敏感和方向选择的神经元具有独特的
网络结构,该结构可以降低反馈神经网络的复杂性,针对此研究提出了CNN。近些年,针对CNN具有避免图像的复杂前期预处理的优势,该网络被广泛应用于图像的模式分类领域。其基本架
构如图2所示,经典的CNN一般包括卷积层、池化层、全连接层和分类器。
20世纪60年代, Hubel和Wiese研究猫脑皮层发现用于局部敏感和方向选择的神经元具有独特的
网络结构,该结构可以降低反馈神经网络的复杂性,针对此研究提出了CNN。近些年,针对CNN具有避免图像的复杂前期预处理的优势,该网络被广泛应用于图像的模式分类领域。其基本架
构如图2所示,经典的CNN一般包括卷积层、池化层、全连接层和分类器。
版权声明:
本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。
我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com