机器学习课程-温州大学-07深度学习-卷积神经网络

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/fengdu78

摘要

文档为温州大学《机器学习课程》中关于深度学习和卷积神经网络的章节，由黄海广副教授于2023年3月讲授。内容涵盖计算机视觉概述、卷积神经网络简介、卷积神经网络计算及案例。计算机视觉部分介绍了图像分类、目标检测、图像分割等任务及其处理流程（图像获取、预处理、特征提取、检测/分割、高级处理）。卷积神经网络部分强调深度学习是表示学习与浅层学习的结合，多层卷积能抽取从简单边缘、角点到复杂抽象特征（如人脸、键盘）的层次化特征。卷积计算部分涉及卷积步长、填充（Padding）以及Same卷积和Valid卷积的概念，并给出带步长的卷积输出尺寸计算公式：⌊(n+2p-f)/s+1⌋×⌊(n+2p-f)/s+1⌋。

AI总结

计算机视觉是深度学习的重要应用领域，卷积神经网络（CNN）是其核心技术。深度学习通过多层网络自动提取特征，浅层学习简单特征（如边缘、角点），深层学习复杂特征（如人脸、物体）。CNN通过卷积计算处理大量特征，支持图像分类、目标检测、图像分割、OCR识别、风格迁移等多种任务。卷积计算中，步长（S）和填充（Padding）是关键参数，影响输出尺寸。例如，输入图像尺寸n=7，卷积核f=3，步长s=2，无填充时，输出尺寸计算公式为⌊(n+2p-f)/s+1⌋，结果为3×3。