深度学习 – 卷积神经网络:连接各层

经过过3层处理:卷积,ReLU和池化,我们从原图得到了几个4×4的矩形

如下图所示:

图

可以进一步将图像从4×4缩小到更小。

在第一次迭代之后,再次执行这3个操作。经过第二次迭代,我们得到了一个2×2矩阵,如下图所示:

图

卷积神经网络的最后一层是全连接神经网络,全连接意味着前一层的神经元连接到后一层的每个神经元,全连接层是分类实际发生的一层。

我们把经过前面几层处理后的图像,放在一个向量中,如下所示:

图

如下图所示,比较X和O的向量,可以看到,向量中会有一些高值元素。对于X,有不同的高值元素,同样对于O,也有不同的高值元素:

图

那么,我们从上面的图像中了解到了什么呢?

当第1、4、5、10、11个值较高时,可以将图像分类为“x”。其他字母的概念也类似 – 当某些值以这种方式排列时,它们可以映射到实际字母或数字。



浙ICP备17015664号 浙公网安备 33011002012336号 联系我们 网站地图  
@2019 qikegu.com 版权所有,禁止转载