图像分类
用于识别图像中物体的类别
目标检测
用于检测图像中的每个物体的类别，并准确标出它们的位置
图像语义分割
用于标出图像中每个像素点所属的类别，属于同一类的像素点用一个颜色标识
实例分割
不仅标出物体位置，还需要标注出物体的外形轮廓
能够有效将大数据量的图片降维成小数据量，同时可以有效保留图片特征，CNN是一种专门用来处理具有类似网格结构的数据的神经网络。
预处理，图片的像素矩阵
对输入图像和滤波矩阵（恒定的滤波器
filter
）做
内积
（逐个元素相乘再求和）
卷积计算
填充值（为了每个数据被使用到的次数相同，边缘数据丢失）
步幅（减少输入参数的数目，减少计算量）
激活函数（存在非线性元素）
提高抗干扰能力，非线性表达能力，缓解梯度消失问题，加速模型收敛，将当前特征空间映射转换到另一个空间，从而让数据更好地被分类
ReLU激活函数
使特征图变小，简化网络计算复杂度，加快计算速度。
特征压缩，提取主要特征。
防止过拟合。
缩小最后全连接层中节点的个数，减少整个神经网络参数。
平均池化层
最大池化层
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/158024.html