原创力文档- 1、本文档共16页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
卷积神经网络(CNN) 机器学习与模式识别算法之 Outlines： 1、基本思想，原理，具体过程及算法 2、相关实验及优缺点分析与应用场合 3、相关改进算法 CNN应用场景 classification Regression CNN应用场景 Image Processing Architecture Overview DeepFace:CNN for Face Recognition[1] [1]Taigman et. al 2014 DeepFace: Closing the Gap to Human-Level Performance in Face Verification 卷积层(Convolutional) + 采样层(Pooling) + 全连接层(Fully-connected) 特征提取 简单神经网络层 卷积层(Convolutional Layer) (a)局部感受野(局部连接) (b)神经元激活方式 卷积层(Convolutional Layer) (a)blur (b)edge detect 采样层(Pooling Layer) 下采样 BN(Batch Normalization) Layer 关于数据预处理 Batch Normalization PCA whiten & ZCA whiten PCA whiten ZCA whiten 数据各维度方差为1 使得白化后数据更接近原始数据分布 Batch Normalization Ioffe S, Szegedy C. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift[J]. Computer Science, 2015. Why CNN works? 1.多层卷积层提取全局、细节、多尺度抽象特征 2.双隐层神经网络彻底实现复杂分类 3.端到端自动学习，无需手动提取特征 卷积层学习到了什么？ 浅层学习到特征多为低频信息：如Layer 1低频颜色信息， Layer 2学习得 颜色和边缘混合信息 卷积层学习到了什么？ Layer 3 学习多为图像全局信息，且具有较强区分性 卷积层学习到了什么？ Layer 4、Layer 5处于较高卷积层，学习得特征多为物体代表特征，如狗鼻子，车轱辘 双隐层神经网络彻底实现复杂分类
文档评论（0）