| 查看: 1027 | 回复: 1 | ||
[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
一志愿陕师大生物学071000，298分，求调剂
已经有3人回复
-
306求0703调剂一志愿华中师范
已经有7人回复
-
333求调剂
已经有3人回复
-
335求调剂
已经有4人回复
-
336求调剂
已经有4人回复
-
303求调剂
已经有4人回复
-
085600材料与化工调剂
已经有6人回复
-
291求调剂
已经有5人回复
-
0703化学求调剂
已经有4人回复
-
07化学280分求调剂
已经有3人回复
yp_nupt
木虫 (职业作家)
兔斯基
- 应助: 120 (高中生)
- 金币: 1601.9
- 散金: 19727
- 红花: 52
- 帖子: 3541
- 在线: 804.5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). |
2楼2015-10-15 12:24:22
40