卷积神经网络(CNN)

系列文章目录

上一篇文章对卷积神经网络及其相关基础概念进行了概述性地讲述，并列举了诸如步长、填充以及互相关运算等关键知识点；而本文则深入探讨了卷积神经网络的具体构成要素以及常见类型的神经网络架构。

CNN简单介绍及基础知识

---

文章目录

• 文章目录
  • 前言
  • 第一章 卷积神经网络（CNN）
    • 第一节 使用重复元素的网络（VGG）
    • 第二节 网络中的网络（NIN）
    • 第三节 含并行联结的网络（GoogLeNet）
  • 总结与展望

---

前言

卷积神经网络属于一种全方位感知器模型，在处理声音和图像方面具有显著的优势着称的特征。常见的卷积神经网络模型包括以下几种经典的三类：VGG, NIN, GoogLenet.

---

一、卷积神经网络

卷积神经网络因其卓越性能而备受关注。迅速发展成为人工智能领域的重要技术之一，在多个领域如文本处理、视频分析以及语音识别等方面彻底改变了现有的最佳算法体系，并远超出了其最初仅用于图像处理的应用场景所能够覆盖的范畴。

1，为什么要使用卷积神经网络？

现有传统算法在图像处理方面存在一定的缺陷。一种常见的做法是将图像按照像素级别逐行展开后输入到全连接层进行处理。尽管这种方法能够实现对图片的基本识别功能，并非完全适用于复杂的