浅析卷积神经网络的图像特征提取技术_薛先贵.pdf

卷积神经网络 基本概念 主要包括卷积层、池化层、填充、步幅、输入通道与输出通道。 二维互相关运算 二维互相关(cross-correlation)运算的输入是一个二维输入数组和一个二维核(kernel

首次在图像识别和文本分类中用到如此深度的卷积神经网络。

ThefirstCNNappearedintheworkofFukushimain1980andwascalledNeocognitron.Thebasicarchitecturalideasbehi

深度学习、人工智能、机器学习、卷积神经网络的调研。

反卷积跟1维信号处理的反卷积计算是很不一样的，FCN作者称为backwardsconvolution，有人称Deconvolutionlayerisaveryunfortunatenameandsho

介绍卷积神经网络卷积层，以及一些最新改进卷积，包括：转置卷积、空洞卷积、可变形卷积、3D卷积等

利用卷积神经网络对mnist数据集进行分类，代码采用python进行编写，并有详细的注释，且文件自带mnist数据集。用户需要搭建好tensorflow环境配合python即可运行。

本文可当做深度学习卷积神经网络的入门指南，另外配有PPT可供下载使用

该文件是南京大学博士所写的卷积神经网络的系统介绍，适合初学者学习

基于tensoflow1.8实现的卷积神经网络，包括两个卷积层，两个池化层，一个dropout层和一个输出层