第5章 深度学习用于计算机视觉

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u010819416/article/details/89763472

5.1 卷积神经网络简介

5.1.1 卷积运算

密集连接层和卷积层的根本区别在于，Dense层从输入特征中学到的是全局模式，而卷积层学到的是局部模式。
卷积神经网络具有两个性质：

• 卷积神经网络学到的模式具有平移不变性。
• 卷积神经网络可以学到模式的空间层次结构。
  特征图的含义：深度轴的每个维度都是一个特征

1. 理解边界效应与填充
2. 理解卷积步幅

5.1.2 最大池化运算

5.2 在小型数据集上从头开始训练一个卷积神经网络

5.2.1 深度学习与小数据问题的相关性

5.2.2 下载数据

5.2.3 构建网络

5.2.4 数据预处理

5.3 使用预训练的卷积神经网络

5.4 卷积神经网络的可视化

• 可视化卷积神经网络的中间输出（中间激活）
• 可视化卷积神经网络的过滤器
• 可视化图像中类激活的热力图