参考视频:https://www.youtube.com/watch?v=E5Z7FQp7AQQ&list=PLuhqtP7jdD8CD6rOWy20INGM44kULvrHu
视频4:CNN 中 stride 的概念
如上图,stride 其实就是 ”步伐“ 的概念。
默认情况下,滑动窗口一次移动一步。而当 stride = 2 时,则一次移动两步,垂直移动和水平移动都是。
当我们提高 stride 的值的时候,卷积操作产生的特征图的 size 会成倍减少,如下图:
(stride = 2)
具体请看 1:47
当使用 padding 的时候,卷积产生的 特征图的 大小通过下面公式计算
视频5:max pooling in CNN
max pooling 在做的事情如下图
如上图,滑动窗口提取出窗口中的最大值,放进新图里
一般而言,stride 的值和滑动窗口的边长是相等的
如上图,这有两个好处:
1.减少图像大小,减少 computational cost
2.锐化图的特征,加强图的特征 (因为它保留了最大值)
关于锐化特征,更明显的例子如下图
使用 max pooling layer 时,输入有多少张图,输出就有多少张图,如下图
实际上,我们并不总是使用 max pooling layer。因为 max pooling layer 会减少图的 size。
使用 Max pooling layer 的地方通常只在 卷积层 后面
需要注意的是,max pooling layer 里并不涉及参数,所以它这块地方并不需要训练
除了 max pooling layer 外,还有 average pooling 等等,看需求
下图是一个总结
视频6:CNN 里的 fully connected layer 全连接层
全连接层其实就是 simple neural network,被用来做分类
下图是个更好的解释
如上图,卷积层提取原图的特征,(随后有可能经过 max pooling layer 来减少图的大小,以及锐化特征)。接着产出的图被展开,作为后面的全连接层的输入。随后就是一个用于分类的神经网络。
需要注意的是,全连接层的输出层的神经元数量,和我们要分的类别的服务器托管网数量是相等的。
此外,全连接层中的 ”边“ (权重矩阵) 是需要被训练的。
如下图,是总结
服务器托管,北京服务器托管,服务器租用 http://www.fwqtg.net
相关推荐: TSINGSEE视频智能分析人员入侵AI检测算法如何让城市管理更加高效、智慧?
在城市管理场景中,经常面临着禁区垂钓、非法捕捞、行人闯红灯、小区盗窃、车辆乱停乱放等一系列管理难题,这给城市发展带来了不小的阻力,同时也极易增加管理的人力、物力和财力。传统的人员巡服务器托管网逻监管效率低并且存在时间差,很难及时发现这些违规行为,因此,利用AI…