猫狗图像分类与检测(CNN)

目录

一、模型设计

（1）卷积神经网络认识

（3）卷积神经网络设置

①导入顺序模型

②输入层设置

③隐藏层设置

④维度变化

⑤输出层

二、代码详解

（1）图片文件匹配

（2）图形裁剪

（3）函数参数设置与回调

（4）结果可视化

三、参数调优

四、结果分析

---

一、模型设计

（1）卷积神经网络认识

1. 输入层（核心）。卷积神经网络中的输入层是整个网络处理图像的基础，在这一层中，通常会接收一张图片对应的像素数据结构。例如，在上图中最左侧的那个三维数组即可表示一张图片本身。其中该三维数组的高度与宽度分别代表图像的空间尺寸，而深度则对应于图像的颜色通道数量（channel）。例如，在黑白图像中颜色通道数仅为1，在RGB模式下则为3个通道。从输入层开始往后发展时，在卷积神经网络中通过一系列不同的结构处理方式将上一层的数据转化成下一层相应的数据表达形式，并最终引导至全连接层完成最终计算。

2. 卷积层（视情况而定）。从名称可以看出，在卷积神经网络中占据核心地位的是卷积层这一部分。与传统的全连接层不同的是，在卷积神经网络中占据核心地位的是卷积层这一部分。每一个节点的输入仅限于上一层神经网络中的一个小区域片段，在实际应用中常见的尺寸通常为3×3或5×5等大小方阵。为了实现对数据深层特征的提取目标，在经过卷积操作后会显著提升节点