24小时热门版块排行榜

返回列表

chaidzdf

铁虫 (初入文坛)

应助: 0 (幼儿园)
金币: 83
帖子: 4
在线: 6.8小时
虫号: 4073681
注册: 2015-09-15
性别: MM
专业: 信息处理方法与技术

[求助] 请教卷积神经网络的图像处理问题已有1人参与

大家好，今年博一，确实刚开始接触卷积神经网络的处理问题，不知道从哪里开始？有人说要先看英文文献，谁能帮忙推荐几篇经典论文？我应该是先学习VC++，还是学习图像处理？好迷茫，一片空白。谁能帮帮我！

回复此楼

» 猜你喜欢

说走就走，走到哪便是哪已经有10人回复
亲密关系已经有13人回复
27秋申博自荐已经有4人回复
郑州大学申博已经有8人回复
关于核磁制样已经有3人回复

1楼 2015-10-15 11:30:50

已阅回复此楼关注TA 给TA发消息送TA红花 TA的回帖

yp_nupt

木虫 (职业作家)

兔斯基

应助: 120 (高中生)
金币: 1948.5
散金: 19727
红花: 52
帖子: 3610
在线: 804.8小时
虫号: 1577951
注册: 2012-01-14
性别: GG
专业: 信息处理方法与技术

【答案】应助回帖

感谢参与，应助指数 +1

卷积神经网络(CNN)是机器学习算法之一，它的目的是根据输入的图像特征或整幅图像进行训练(training)然后再利用测试集进行测试，看检测率。举个例子，你现在有10万张狗的照片，然后把狗的照片用A算法提取特征，然后把这些特征送入神经网络去学习，经过漫长的学习后，这个神经网络就“学会识别”狗了，然后你再拿另外的1万张照片（成为测试集）送入训练好的神经网络，它会反馈这些照片的种类，比如其中一张照片是狗，那么经过训练的神经网络就会告诉你“这是一只狗”，即输出一个正样本(positive sample)；若其中一张照片是猫或其它的照片，那么经过训练的神经网络就会告诉你“这不是一只狗”，即输出一个负样本（negative sample）.
卷积神经网络和人工神经网络，SVM，贝叶斯分类器一样，都是机器学习/模式识别算法，都是用训练集训练算法然后检测的过程，理解机器学习中“训练-检测”的步骤就理解了其本质。
另外，与传统的图像处理，比如去噪，提取边缘等，将模式识别/机器学习方法加入其中解决检测，识别，场景理解等问题的学科----计算机视觉(computer vision).

赞一下(5人)

回复此楼

解放思想，实事求是

2楼2015-10-15 12:24:22