基本信息

---

下载

文档摘要

---

卷积神经网络理论基础概述

卷积神经网络是深度学习在计算机视觉领域的一大突破。它仿造生物的视知觉机制构建，具备对于局部特征的学习能力。从本质来说，它是一种稀疏连接的多层感知机，而这种稀疏连接则采取局部连接的方式，使得其能够对输入的图像或特征图进行平移不变的分类REF_Re\r\h[7]。这种方式大大减少了参数规模和计算量，提高了神经网络模型的迭代速度。卷积神经网络能进行分类任务和聚类任务的学习，卷积层具备参数共享和稀疏连接使得卷积神经网络能够对离散特征进行快速的小计算量的学习。其效果稳定且无需复杂的人工预处理的干预。

1.1卷积层

卷积层利用卷积核进行卷积运算，