基于Tensorflow的图像识别模型设计涉及卷积神经网络

一 卷积神经网络简介

全连接神经网络与卷积神经网络结构示意图

• 全连接神经网络：在该结构中，任意相邻的两层之间均存在节点间的全面连接关系

卷积神经网络：相邻的两个层级之间仅存在局部节点之间的连接方式

在卷积神经网络中，输入层所接收的数据为图像的原始像素信息，而输出层中的每个节点则对应于各类别所具有的判断可信度数值。

当采用全连接神经网络对图像进行处理时，其主要面临的挑战在于全连接层所包含的参数数量极为庞大。参数数量的增加不仅会显著降低计算效率，同时也会极大地提升模型出现过拟合现象的风险。

卷积神经网络的结构示意图

构成卷积神经网络的核心要素共计五部分：

• 输入层
• 卷积层
• 池化层
• 全连接层
• Softmax层

二 卷积神经网络常用结构

本文重点阐述了卷积层与池化层在网络架构中的组成方式，并对前向传播的运行机制进行了