深度学习 课件 第五章 卷积神经网络.pptx

《深度学习》

第五章卷积神经网络

5.1卷积神经网络的生物机理

5.2卷积神经网络的原理和结构

5.3卷积层

5.4池化层

5.5激活函数

5.6空间批量归一化

5.7全连接层

5.8典型的卷积神经网络

5.9全卷积神经网络

5.10图神经网络

1of75

5.1卷积神经网络的生物机理第五章卷积神经网络

●卷积神经网络是基于神经科学的“感受野”(receptivefield)这个概念

而提出。

●感受野(receptivefield)具有局部响应的性质，该特性表明生物视觉神经

系统中的神经元只对一定范围内的刺激信号产生响应。视觉皮层对于图像

信息的处理都是经过这种局部感受野特性(空间局部性、空间方向性、信

息选择性)来进行生物响应的。

●神经网络中卷积层的设计用于模拟视觉皮层中简单细胞的活动。

●复杂细胞的一系列不变性则启发了卷积神经网络中池化单元、跨通道池化

策略(如maxout单元)等的设计。

2of75

《深度学习》

第五章卷积神经网络

5.2卷积神经网络的生物机理

5.2卷积神经网络的原理与结构

5.3卷积层

5.4池化层

5.5激活函数

5.6空间批量归一化

5.7全连接层

5.8典型的卷积神经网络

5.9全卷积神经网络

5.10图神经网络

3of75

5.2卷积神经网络的原理和结构第五章卷积神经网络

卷积ReLU池化层全连接层softmax

输入

M个b个K个

N个

图5-1典型的分类卷积网络结构

该网络中包含N个卷积块，每个卷积块中通常由卷积层和池化层组成，在所有

卷积块之后再连着K个全连接层，最后通过Softmax函数来计算类别的概率，得到

网络想要的结果。

4of75

5.2卷积神经网络的原理和结构第五章卷积神经网络

卷积神经网络发展历程

网络加深

二者结合，

VGG16VGG19MSRANet网络加深+收敛加速

增强卷积模块功能ResNet

NeocognitronInceptionV3