Κοινή χρήση τεχνολογίας

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Η πρώτη εβδομάδα του τέταρτου μαθήματος Συνελικτικά Νευρωνικά Δίκτυα

1.1 Προβλήματα που παρουσιάζονται στην όραση υπολογιστή (Computer vision)

Μια πρόκληση κατά την εφαρμογή της όρασης υπολογιστή είναιεισαγωγή δεδομένωνΜπορεί να είναι πολύ μεγάλο.

• Το μέγεθος δεδομένων μιας μικρής εικόνας 64×64 είναι 64×64×3 (3 έγχρωμα κανάλια).Άρα το ιδιοδιάνυσμά μας${\rm X}$Η διάσταση είναι 12288.
• Για μια εικόνα 1000×1000, η ​​διάσταση του διανύσματος χαρακτηριστικών φτάνει τα 1000×1000×3.
• Εάν υπάρχουν 1000 κρυφές μονάδες στο πρώτο κρυφό στρώμα και όλα τα βάρη σχηματίζουν έναν πίνακα $W^{[1]}$ . Το μέγεθος αυτού του πίνακα σε ένα τυπικό πλήρως συνδεδεμένο δίκτυο είναι 1000×3 εκατομμύρια. Για να γίνει αυτό, πρέπει να εκτελέσουμε έναν υπολογισμό συνέλιξης,

1.2 Παράδειγμα λειτουργίας συνέλιξης: Παράδειγμα ανίχνευσης άκρων

Η λειτουργία συνέλιξης είναι το πιο βασικό στοιχείο του συνελικτικού νευρωνικού δικτύου η ανίχνευση άκρων χρησιμοποιείται ως εισαγωγικό παράδειγμα.

1.2.1 Βήματα ανίχνευσης ακμών

Όταν ανιχνεύουμε αντικείμενα εικόνας, μπορούμε να ανιχνεύσουμε κάθετες ακμές στην εικόνα.

Τραβήξτε μια εικόνα σε κλίμακα του γκρι 6×6. Επειδή είναι μια εικόνα σε κλίμακα του γκρι, είναι μια μήτρα 6×6×1,

• Για να εντοπίσετε κάθετες ακμές σε μια εικόνα, μπορείτε να δημιουργήσετε έναν πίνακα 3x3 (φίλτρο/πυρήνα) [ 1 0 − 1 1 0 − 1 1 0 − 1 ] start{bmatrix}1
  Προηγούμενος Επόμενο