我一直搞不懂神經(jīng)網(wǎng)絡(luò)是怎么工作的以及為什么cnn要卷積池化就能達(dá)到圖像分割的目的

直到我看到了深度之眼的課程

我先用通俗易懂的語(yǔ)言解釋一下神經(jīng)網(wǎng)絡(luò)說(shuō)白了就是利用鏈?zhǔn)角髮?dǎo)法則將loss函數(shù)對(duì)權(quán)重w求導(dǎo)，然后通過(guò)梯度下降的方向調(diào)整w使loss函數(shù)值最小，這也就是所謂的反向傳播算法。卷積神經(jīng)網(wǎng)絡(luò)就是卷積和池化操作，因?yàn)檫@兩個(gè)操作符合圖像識(shí)別的三個(gè)特性，所以能達(dá)到圖像分割的作用，核心點(diǎn)是卷積核上的每個(gè)值就是權(quán)重，圖像是以矩陣的形式存在計(jì)算機(jī)的，所以這一些條件是cnn可以進(jìn)行圖像分割的基礎(chǔ)，也是神經(jīng)網(wǎng)絡(luò)用于圖像分割的原因。

---

?

其中涉及了一個(gè)正則化的問(wèn)題，正則化為什么能減輕過(guò)擬合現(xiàn)象呢，是因?yàn)樗軠p小w權(quán)重，w越小說(shuō)明數(shù)據(jù)擾動(dòng)對(duì)結(jié)果影響越小。

?

總結(jié)

以上是生活随笔為你收集整理的神经网络与卷积神经网络入门（保证让你懂）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。