卷积神经网络小结(Convolutional Neural Networks)

最新推荐文章于 2024-09-16 01:45:00 发布
转载 最新推荐文章于 2024-09-16 01:45:00 发布 · 1.3k 阅读 · 1
收录于
机器学习

当前文章被收录于：

机器学习
10 篇文章 0 人学习
订阅专栏 查看详情
本文介绍了卷积神经网络(CNN)的成功案例，包括Yann LeCun的研究成果及其实现文档。提供了多种编程语言的实现代码链接，并推荐了几篇重要的学术论文，帮助读者深入理解CNN的工作原理及其在视觉文档分析等领域的应用。

CNNs应用的最成功的一个例子：Yann LeCun（曾经是Hinton组的research associate）

http://yann.lecun.com/exdb/lenet/index.html

 

code project上的一个C++写的例子，有很详细的文档说明：

http://www.codeproject.com/Articles/16650/Neural-Network-for-Recognition-of-Handwritten-Digi

 

代码下载网站：

MATLAB:

http://www.mathworks.com/matlabcentral/fileexchange/24291-cnn-convolutional-neural-network-class

https://sites.google.com/site/chumerin/projects/mycnn

 

C++:

http://www.codeproject.com/Articles/16650/Neural-Network-for-Recognition-of-Handwritten-Digi

 

 

文章进阶：

【1】Gradient-Based Learning Applied to Document Recognition

Yann Lecun写的文章。算是这个方向很重要的文章。

【2】Notes on Convolutional Neural Network：2006

主要是公式推导。

【3】Best Practices for Convolutional Neural Networks Applied to Visual Document Analysis:2003

对于结构把握比较好，如果要自己去编写代码，可以仔细看看这篇文章。

【4】3D Convolution Neural networks for Human Action Recognition:2012

以前的CNNs都是2D的，But this paper is for human action recognition, so one has to apply temporal dimension. So the author developed a noval model:3D convolution neural networks.(In 2D CNNs, 2D convolution neural networks is performed at the convolution layers to extract the feature from local neighbourhood on feature maps in the previous layer.)

标签
#机器学习 #DL
深度学习—卷积神经网络（Convolutional Neural Networks）
qq_28505705的博客
11-12 8445
卷积神经网络（Convolutional Neural Networks） 卷积神经网络（convolutional neural network, CNN），是一种专门用来处理具有类似网格结构的数据的神经网络。例如时间序列数据（可以认为是在时间轴上有规律地采样形成的一维网格）和图像数据（可以看作是二维的像素网格）。卷积网络在诸多应用领域都表现优异。“卷积神经网络’’ 一词表明该网络使用了卷积（c...
Dropout原理及作用
Mike_honor的博客
07-21 2万+
Dropout是作为缓解卷积神经网络CNN过拟合而被提出的一种正则化方法，它确实能够有效缓解过拟合现象的发生，但是Dropout带来的缺点就是可能会减缓模型收敛的速度，因为每次迭代只有一部分参数更新，可能导致梯度下降变慢。.........
卷积神经网络 Convolutional Neural Network ｜ CNN
JasonH2021的博客
07-07 2万+
介绍了卷积神经网络的基本思想，应用场景，优缺点，建模过程中的注意事项，研究课题，实现的类库方法和代码案例等
卷积神经网络（convolutional neural network, CNN）
热门推荐
qq_41536160的博客
05-28 6万+
基本定义 卷积神经网络(convolutional neural network, CNN)，是一类包含卷积计算且具有深度结构的前馈神经网络。卷积神经网络是受生物学上感受野（Receptive Field）的机制而提出的。卷积神经网络专门用来处理具有类似网格结构的数据的神经网络。例如，时间序列数据（可以认为是在时间轴上有规律地采样形成的一维网格） 和图像数据（可以看作是二维的像素网格）。 1.卷积层（convolutional layer） 作用：特征提取 卷积层内部包含多个卷积核，组成卷积核的每个元素都
【深度学习基础】一文读懂卷积神经网络(Convolutional Neural Networks, CNN)
非晚非晚的博客
12-12 5346
CNN从90年代的LeNet开始，21世纪初沉寂了10年。直到2012年Geoffrey和他学生Alex在ImageNet的竞赛中，刷新了image classification的记录，一举奠定了deep learning 在计算机视觉中的地位。这次竞赛中Alex所用的结构就被称为作为AlexNet，AlexNet使用的就是CNN。1. 基本概念2. 卷积神经网络的结构2.1 输入层 2.2 卷积层2.3 池化层2.4 全连接层2.5 卷积神经网络的其它概念（1）感受野（2）padding（3）stride
深度学习之卷积神经网络(Convolutional Neural Networks, CNN)(一)
笨拙的石头的博客
05-16 2万+
    前面, 我们介绍了DNN及其参数求解的方法(BP算法),我们知道了DNN仍然存在很多的问题,其中最主要的就是BP求解可能造成的梯度消失和梯度爆炸的问题.那么,人们又是怎么解决这个问题的呢?本节的卷积神经网络(Convolutional Neural Networks, CNN)就是一种解决方法.     我们知道神经网络主要有三个部分组成, 分别为:      ① 网络结构--- 描述...
深度学习之卷积神经网络(Convolutional Neural Networks, CNN)
fenglepeng的博客
05-12 4万+
前面, 我们介绍了DNN及其参数求解的方法(BP算法),我们知道了DNN仍然存在很多的问题,其中最主要的就是BP求解可能造成的梯度消失和梯度爆炸的问题.那么,人们又是怎么解决这个问题的呢?本节的卷积神经网络(Convolutional Neural Networks, CNN)就是一种解决方法. 我们知道神经网络主要有三个部分组成, 分别为: 网络结构---描述神经元的层次与连接神经元的结构. 激活函数(激励函数)--- 用于加入非线性的因素,解决线性模型所不能解决的问题. 参数学习方...
CNN实现过程（卷积神经网络Convolutional Neural Networks）
什么都学不会
11-04 8245
1.图像的输入 一张照片是如何输入到神经网络中的。众所周知，计算机适合处理的是矩阵运算，所以必须要把图片转换成矩阵后计算机才能认识。所有的彩色图像都由红绿蓝（RGB）叠加而成，成为图像的三个通道，一张图片在计算机中存储也是通过这三个矩阵完成的。 RGB这三个矩阵称为为图像的3个通道，也作为神经网络的输入数据。（直方图均衡里边可以先把RGB转化为HSV处理） 2.卷积神经网络的组成 与其他神经网络相同，CNN网络同样也包含输入层、隐藏层、输出层几大部分，卷积神经网络的主要运算过程如图 卷积.
《ImageNet Classification with Deep Convolutional Neural Networks》论文导读
最新发布
谷哥的小弟
09-16 1万+
《ImageNet Classification with Deep Convolutional Neural Networks》是一篇在深度学习领域具有重要影响力的论文，由Alex Krizhevsky、Ilya Sutskever和Geoffrey E. Hinton等人撰写。该论文主要介绍了利用深度卷积神经网络（Deep Convolutional Neural Networks，简称CNNs）在ImageNet数据集上进行图像分类的研究，并取得了显著的效果。
图像风格迁移-Image Style Transfer Using Convolutional Neural Networks
AI之路
07-29 2万+
论文：Image Style Transfer Using Convolutional Neural Networks 论文链接图像风格迁移最近两年比较火，看起来也比较有趣，所以这两天闲暇时候看了一些文章了解了下其中的原理，特来分享。本篇博文要介绍的是2016年的CVPR论文，该文章用CNN网络来做图像风格迁移，作者是Gatys。Gatys在2015年的时候就发过一篇关于图像风格迁移的文章：A N
卷积神经网络Convolutional Neural Networks深度解析I
Archie_Could的博客
08-27 6238
知识的广度来自知识的深度，学习如果不成体系那是多可怕的一件事儿，希望我们在未来的学习道路上坚守初心，不要给自己留下遗憾，以自己喜欢的方式生活，做自己喜欢做的事，宠爱自己，做一个独一无二的自己！ 对于文章中出现的任何错误请大家批评指出，会及时做出修改！ 有任何想要讨论和学习的问题可联系我：cittaksana@qq.com 卷积神经网络Convolutional Neural Networks深度解析IConvolutional Neural Networks历史Convolutional Neura.
卷积神经网络（Convolutional Neural Networks，CNN）
weixin_43156294的博客
05-30 2733
卷积神经网络（Convolutional Neural Networks，CNN）是一种深度学习架构，它在图像和视频识别、分类以及相关的视觉识别任务中非常有效。CNN基于人脑处理视觉信息的方式，特别是视觉皮层中神经元的层次结构和连接模式。
卷积神经网络(convolutional neural networks, CNN)
laoliaixuexi的博客
06-21 1万+
卷积神经网络（Convolutional Neural Network，CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 它包括卷积层(convolutional layer)和池化层(pooling layer)。经典的多层感知机由一系列全连接层组成，卷积神经网络中除全连接层外，还有卷积层和池化(pooling)层。 (1) 卷积层 为什...
论文《Convolutional Neural Networks for Sentence Classification》总结
rxt2012kc的博客
06-26 1万+
《Convolutional Neural Networks for Sentence Classification》论文来源： Kim Y. Convolutional neural networks for sentence classification[J]. arXiv preprint arXiv:1408.5882, 2014.1.Introduction 在Introduction部分
论文解读: Quantized Convolutional Neural Networks for Mobile Devices
SIGAI_CSDN的博客
03-04 3456
CNN网络在许多方面发挥着越来越重要的作用，但是CNN模型普遍很大，计算复杂，对硬件的要求很高，这也是限制CNN发展的一个因素。在这篇论文中，作者提出了一个加速和压缩CNN的方法——Quantized CNN，主要思想是对卷积层和全连接层中的权重进行量化，并最小化每层的响应误差。作者也在ILSVRC-12上做了大量的实验，证明对于分类任务在仅损失很小的准确率下，该方法可以达到4-6倍的加速，和15...
CNN（Convolutional Neural Networks）学习总结
BVL的博客
11-29 2694
刚开始学习cnn，把前段时间看cnn相关的内容，今天稍微的总结下。在文章中差漏的地方，还望见谅。权当做交流。文章开头先推荐一个网址： https://github.com/BVLC/caffe/wiki/Model-Zoo 罗列了主流会议，近年来cnn上的相关进展和各种model，感兴趣的可以拿来阅读一番。**Cnn几篇重要的论文** Lenet-5 ：Yann LeCun等在1998年发布的
卷积神经网络（Convolutional Neural Networks, CNN）
hong161688的博客
07-24 1448
CNN是一种包含卷积计算且具有深度结构的前馈神经网络，通过模拟人脑视觉系统的工作原理，利用卷积层、池化层等结构，从数据中自动提取并学习特征，实现高效且准确的分类、识别等任务。CNN的主要特点包括局部连接、权值共享和平移不变性，这些特点使得CNN在处理图像等具有网格结构的数据时具有显著优势。
Convolutional Neural Networks for Sentence Classification
cyl9413的博客
12-02 2004
卷积神经网络用于文本分类整理学习笔记也是把知识系统化的过程。 最近在研究Yoon Kim的一篇经典之作Convolutional Neural Networks for Sentence Classification，这篇文章可以说是cnn模型用于文本分类的开山之作（其实第一个用的不是他，但是Kim提出了几个variants，并有详细的调参）2 模型  整个模型的构造如下图所示：   这里 xi
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值