知识卡片
图像的空间与通道
彩色图像可表示为高 × 宽 × 通道的三维数据:RGB 图像每个位置有红、绿、蓝三个强度值。将全部像素展开后接入全连接层会产生大量权重;卷积网络利用空间局部性和共享参数,减少需要学习的参数。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 卷积神经网络 章首 · 查看原书依据
所谓图像分类,就是给机器一幅图像,由机器去判断这幅图像里面有什么样的东西——是猫还是狗、是飞机还是汽车.怎么把图像当作模型的输入呢?对于机器,图像可以描述为三维张量(张量可以想象成维度大于 2 的矩阵).一幅图像就是一个三维的张量,其中一维的大小是图像的宽,另一维的大小是图像的高,还有一维的大小是图像的通道(channel)数目.
参考来源
- 位置:《深度学习详解》第4章《卷积神经网络》章首(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter04.xhtml`)
- 结论依据:原文以图像及棋盘案例说明局部连接、参数共享和汇聚的条件与取舍。
- 原始内容:所谓图像分类,就是给机器一幅图像,由机器去判断这幅图像里面有什么样的东西——是猫还是狗、是飞机还是汽车.怎么把图像当作模型的输入呢?对于机器,图像可以描述为三维张量(张量可以想象成维度大于 2 的矩阵).一幅图像就是一个三维的张量,其中一维的大小是图像的宽,另一维的大小是图像的高,还有一维的大小是图像的通道(channel)数目.