【人工智能】卷积神经网络(Convolutional Neural Network)

文章目录

  • 卷积神经网络(Convolutional Neural Network)
    • 卷积神经网络 | CNN,Convolutional Neural Networks.
      • 1. 卷积操作 (Convolution Operation):
      • 2. 池化操作 (Pooling Operation):
      • 3. 激活函数 (Activation Function):
      • 4. 全连接层 (Fully Connected Layer):
      • 卷积神经网络
  • 1. 卷积神经网络中的卷积层
    • (1) 卷积层的计算
    • (2) 卷积层的特点
      • ⚪ 局部连接 (local connection)
      • ⚪ 参数共享 (parameter sharing)
      • ⚪ 平移等变性 (translation equivariance)
    • (3) 卷积层的感受野
    • ⭐扩展阅读:
  • 2. 不同类型的卷积层
    • (1) 转置卷积 Transposed Convolution
      • ⚪ 转置卷积的由来
      • ⚪ [棋盘效应](https://distill.pub/2016/deconv-checkerboard/)
    • (2) 扩张卷积 Dilated Convolution
    • (3) 可分离卷积 Separable Convolution
      • ⚪ 空间可分离卷积 Spatially Separable Convolution
      • ⚪ 深度可分离卷积 Depthwise Separable Convolution
      • ⚪ 平展卷积 Flattened Convolution
    • (4) 组卷积 Grouped Convolution
    • (5) 可变形卷积 Deformable Convolution
    • (6) 差分卷积 Difference Convolution
    • 7. 动态卷积 Dynamic Convolution
      • ⚪ 条件参数化卷积 (Conditionally Parameterized Convolution, CondConv)
      • ⚪ DynamicConv
      • ⚪ DyNet
      • ⚪ 全维动态卷积 (Omni-Dimensional Dynamic Convolution, ODConv)
    • 8. Involution
    • 9. 圆形卷积 Circle Convolution
    • 10. 八度卷积 Octave Convolution (OctConv)
    • 11. 稀疏卷积 (Sparse Convolution)

卷积神经网络(Convolutional Neural Network)

卷积神经网络 | CNN,Convolutional Neural Networks.

卷积神经网络(Convolutional Neural Network, CNN)是一类深度学习模型,主要应用于计算机视觉和图像处理任务。这里,我们将展示一些CNN中使用的主要数学公式。

1. 卷积操作 (Convolution Operation):

卷积是CNN中的一个关键操作。给定一个特征图(Feature Map) F i n F_{in}

你可能感兴趣的:(DeepSeek,R1,&,大数据AI人工智能大模型,人工智能,cnn,深度学习)