卷積神經網絡
跳去導覽
跳去搵嘢
卷積神經網絡（粵拼：gyun2 zik1 san4 ging1 mong5 lok6；英文：convolutional neural network，ÇNN）係一種深度神經網絡，主要用嚟分析圖像。
概論[編輯]
一個卷積神經網絡輸入層有
- 若干粒細胞，
- 若干浸隱藏層，同
- 一浸輸出層；
輸入層每粒細胞代表咗一個像素（幅圖片上面嘅某一個點），第一浸隱藏層就每粒細胞相應輸入層嘅某一橛仔－例如第一粒隱藏層細胞負責處理輸入層最左上角嗰 3 x 3 粒像素大嘅一橛仔（令到個網絡能夠處理啲解像度高嘅圖像），而最後輸出層有 10 粒細胞，每一粒輸出層細胞代表咗一個類別；個神經網絡有個演算法能夠由一幅圖片嗰度讀取輸入，所以每當佢讀到一幅圖片嗰陣，佢嘅神經細胞會跟住輸入層嘅啟動，最後輸出層嘅規律就可能提供到「幅圖屬於邊個類別」嘅資訊[1][2][3]。
喺電腦入面，一幅圖片可以用數字代表：一幅圖片由好多粒細點（像素）組成，每粒細點都有特定嘅色水；用三原色模式想像嘅話，任何色水都可以由紅、綠、同藍呢三隻原色砌出嚟，所以一個點嘅色水可以用 噉嘅陣列代表－當中 表示嗰一點嘅紅色量， 代表嗰點嘅綠色量，而 代表嗰點嘅藍色量，而一幅圖片喺部電腦內部可以用類似噉嘅陣列代表[1][4][5]：
![{\displaystyle [r,g,b]}](https://wikimedia.org/api/rest_v1/media/math/render/svg/6f39a8db951aed52a26e2abc0bf1dc4c2ac5a639)
- ，表示第一個點有 207 個單位咁多嘅紅、229 咁多個單位嘅綠、同 78 個單位咁多嘅藍，如此類推。
![{\displaystyle [[207,229,78],[141,159,138],[146,109,81],...]}](https://wikimedia.org/api/rest_v1/media/math/render/svg/1acc5b5f109604059bf2e0c8b89158f5035ab87e)
演算法[編輯]
- 例演算法
一個可以攞嚟將圖片分類嘅卷積神經網絡演算法（監督式學習）大致上如下[6][7]：
- 指定「有啲乜嘢類別」同埋啲輸入嘅圖片有幾多像素等嘅資訊；
- 由目標位置嗰度讀取圖片數據，得到每幅圖片嘅相應陣列，而且每幅圖片都要有個已知嘅類別；
- 做一啲事前處理（preprocessing），等啲圖片方便由神經網絡處理；
- 建立一個卷積神經網絡，輸入層嘅細胞係圖片每粒像素嘅色水，而輸出層就係幅圖片「屬乜嘢類別」；
- 重複噉做監督式學習嘅基本過程（俾個網絡計出佢嘅答案，將佢嘅答案同正確答案相比，再按結果更改柞權重）。
最後如果順利嘅話，呢個神經網絡就會曉分一幅圖片到底係（例如）屬於 A 類定 B 類。
進階種類[編輯]
卷積神經網絡仲有以下嘅進階種類：
- 反卷積神經網絡（deconvolutional neural network）
- 深度卷積反轉圖像網絡（deep convolutional inverse graphics network）
睇埋[編輯]
攷[編輯]
- ↑ 1.0 1.1 Image Classification using Deep Neural Networks — A beginner friendly approach using TensorFlow 互聯網檔案館嘅歸檔，歸檔日期2019年6月24號，.. Towards Data Science.
- ↑ Parisi, R., Di Claudio, E. D., Lucarelli, G., & Orlandi, G. (1998, May). Car plate recognition by neural networks and image processing. In ISCAS'98. Proceedings of the 1998 IEEE International Symposium on Circuits and Systems (Cat. No. 98CH36187) (Vol. 3, pp. 195-198). IEEE.
- ↑ Egmont-Petersen, M., de Ridder, D., & Handels, H. (2002). Image processing with neural networks—a review. Pattern recognition, 35(10), 2279-2301.
- ↑ LeCun et al., "Backpropagation Applied to Handwritten Zip Code Recognition," Neural Computation, 1, pp. 541–551, 1989.
- ↑ Szegedy, Christian; Liu, Wei; Jia, Yangqing; Sermanet, Pierre; Reed, Scott; Anguelov, Dragomir; Erhan, Dumitru; Vanhoucke, Vincent; Rabinovich, Andrew (2014). Going Deeper with Convolutions. Computing Research Repository.
- ↑ Image Classifier - Cats vs Dogs 互聯網檔案館嘅歸檔，歸檔日期2019年4月21號，.. Medium.
- ↑ All the Steps to Build your first Image Classifier (with code). Towards Data Science.
