深度学习 – 卷积神经网络:全连接层

全连接层是实际进行分类的一层,全连接层接受图片特征值的输入,进行训练,训练完成后就可对输入的特征值进行分类。前面章节已经详细介绍过全连接神经网络的训练过程,此处不再赘述。

至此,我们已经完成了网络的全部训练,接下来可以使用网络识别图片了。让我们来看一个简单的例子:

图

我们将一个图片输入给卷积神经网络,得到的输出如上图所示,是一个包含12个元素的向量。

但是,我们怎么解读这个结果是”x”还是”o”呢?

我们通过将结果值与“x”和“o”的向量进行比较,来进行预测:

图

把X的向量表中的高值(1、4、5、10和11)加起来,得到和是5,对输入图像的结果向量做相同的处理(1、4、5、10和11项加起来),得到的值是4.56。

把2个值相除,得到概率匹配是0.91!

现在让我们对向量表”o”做同样的处理:

图

得到概率匹配是0.51,概率0.51小于0.91,因此,我们可以得出结论,得到的输入图像是一个“x”!



浙ICP备17015664号联系我们网站地图  
@2019 qikegu.com 版权所有,禁止转载