目次
1機能API
2畳み込みニューラルネットワーク
この記事では、ケラスでの畳み込みニューラルネットワーク（CNN）を使用した画像の処理に焦点を当てます。
CNNは確かに視覚皮質の生物学に触発されています。
簡単に言えば、視覚皮質には、視覚領域の特定の部分に敏感な少数の細胞があります。
センス。
たとえば、一部のニューロンは垂直エッジでのみ励起され、一部のニューロンは水平エッジまたは対角エッジで励起されます。
2.1 CNNの基本
2.1.1ワークフロー
CNNの作業の概要とは、画像を選択して一連の処理を行うことを意味します。
-
畳み込み層
- 非線形層
- プーリング（ダウンサンプリング）レイヤー
- 完全に接続されたレイヤー、
最後に出力を取得します。
前述のように、出力は、画像のコンテンツを最もよく表す単一のカテゴリまたはカテゴリのグループの確率です。
2.1.2コンボリューションとは何ですか？
たたみ込みとは、特定のテンソルのすべての点にたたみ込みカーネルを適用し、入力テンソル上でたたみ込みカーネルをスライドさせることによってフィルターされたテンソルを生成することを指します。
畳み込み
により
、画像の特徴または情報マッチングの抽出が完了します
。特定の特徴を含む画像が畳み込みカーネルを通過すると、一部の畳み込みカーネルが刺激されます。
ライブ、特定の信号を出力します。
2.2 CNNアーキテクチャ
これらのどのレイヤーもない場合、モデルは困難で複雑なパターンマッチングになります。これは、ネットワークに情報が多すぎて入力できないためです。つまり、これらの他のレイヤーは重要な情報を強調表示し、ノイズを減らすためです。
2.2.3畳み込み層
- ksizeコンボリューションカーネルサイズ
- ストライド畳み込みカーネルの動きの範囲
- パディングエッジパディング
2.2.4非線形変換層（アクティベーション関数）
- レル
- Sigmiod
- 怪しい
2.2.5プーリング層
2.2.6完全に接続されたレイヤー
最終出力とすべての機能を結び付けて、最終的な分類を決定するには、すべての機能を使用する必要があります。最後に分類のためにsoftmaxと協力します
全体の構造
3実際の戦闘
衛星ネットワークを例にとります
3.1データ分類：
import pathlib＃Osよりもはるかに使いやすい
3.2モデルを構築する
3.3結果分析
