CONVOLUTIONAL NEURAL NETWORK

卷积神经网络 (CNN)

专门用于处理图像数据的深度学习架构,通过卷积和池化操作提取图像特征

图像识别演示

输入图像

上传或选择一张图片

识别结果

猫95.8%

狗3.2%

鸟0.8%

其他0.2%

预测类别猫

置信度95.8%

CNN网络结构

卷积层1

输出形状: 28×28×32

层级参数

卷积核数量32

核大小3×3

功能说明

卷积层通过滑动卷积核提取图像的局部特征,如边缘、纹理等。每个卷积核学习不同的特征模式。

卷积操作

1

2

1

0

1

2

2

0

1

⊗ 卷积核

1

0

-1

1

0

-1

1

0

-1

卷积核在图像上滑动,对局部区域进行加权求和,提取特定的特征模式

池化操作

8

3

4

2

6

9

1

5

2

7

3

8

4

1

6

2

↓ MaxPooling 2×2

9

5

7

8

池化层选取局部区域的最大值或平均值,降低特征图尺寸,减少计算量

实际应用场景

图像分类

ImageNet、CIFAR等大规模图像分类任务

物体识别

场景分类

细粒度分类

目标检测

检测图像中的多个物体及其位置

人脸检测

车辆检测

行人检测

图像分割

像素级别的图像理解和分割

语义分割

实例分割

医学影像