Technologieaustausch

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Die erste Woche des vierten Kurses Convolutional Neural Networks

1.1 Probleme beim Computer Vision (Computer Vision)

Eine Herausforderung bei der Anwendung von Computer Vision istDateneingabeEs kann sehr groß sein.

• Die Datengröße eines 64×64 Kleinbildes beträgt 64×64×3 (3 Farbkanäle).Also unser Eigenvektor$X$Die Dimension ist 12288.
• Bei einem 1000×1000-Bild erreicht die Dimension des Merkmalsvektors 1000×1000×3.
• Wenn die erste verborgene Ebene 1000 verborgene Einheiten enthält und alle Gewichte eine Matrix bilden $B^{[1]}$ . Die Größe dieser Matrix beträgt in einem standardmäßigen, vollständig verbundenen Netzwerk 1000 x 3 Millionen. Dazu müssen wir eine Faltungsberechnung durchführen,

1.2 Beispiel für eine Faltungsoperation: Beispiel für die Kantenerkennung

Als einführendes Beispiel wird die Faltungsoperation verwendet, die die grundlegendste Komponente des Faltungs-Neuronalen Netzwerks darstellt.

1.2.1 Schritte der Kantenerkennung

Bei der Erkennung von Bildobjekten können wir vertikale Kanten im Bild erkennen.

Nehmen Sie ein 6×6-Graustufenbild auf. Da es sich um ein Graustufenbild handelt, handelt es sich um eine 6×6×1-Matrix.

• Um vertikale Kanten in einem Bild zu erkennen, können Sie eine 3x3-Matrix (Filter/Kernel) erstellen. [ 1 0 − 1 1 0 − 1 1 0 − 1 ] beginne{bmatrix}1
  Vorherige Nächste