当前位置：首页 > news >正文

【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理

news 2025/7/8 4:15:00

卷积神经网络

CNN模型的架构
Cnn 的流程
- 第一步提取图片特征
- - 提取特征的计算规则
- 第二步最大池化
- 第三步扁平化处理
- 第四步数据条录入全连接隐藏层

b站视频

CNN模型的架构

图片由像素点组成，最终成像效果由背后像素的颜色数值所决定的

在这里插入图片描述
有这样的一个66的区域，0设置为黑色，1设置为白色，最终呈现的效果就很像数字7

cnn模型可以告诉我们这样一个 66的像素图是不是数字7，或者返回它属于0-9的概率分别为多少

Cnn 的流程

第一步提取图片特征

在这个过程中，我们需要使用卷积核，也可以称为特征过滤器
在这里插入图片描述

提取特征的计算规则

在这里插入图片描述
垂直特征很好的被提取，而垂直特征没被提取
原因是像素图从66，降维成44，边缘特征丢失了

在这里插入图片描述
为了解决边缘特征提取的问题，可以使用padding的扩充方法，66扩充为88，扩充部分的像素值设为0，

第二步最大池化

目的是将图片的数据进一步压缩，仅反应图中最突出的特点
在这里插入图片描述
66，用22的网格分成3*3，然后提取每一部分的最大值

第三步扁平化处理

在这里插入图片描述
把两个3*3的像素图叠加，转化成一维的数据条

第四步数据条录入全连接隐藏层

最终产生输出结果，扁平化之后的流程与ANN模型完全一致

在这里插入图片描述
全连接隐藏层：任意一个神经元都与前后层的所有神经元相连接，来保证最终的输出值是基于图片整体信息的结果

再输出阶段：可以使用sigmoid激活函数返回0，1代表该图片是否是7的概率
也可以使用Softmax函数返回它分别属于0-9的概率

【数之道 08】走进“卷积神经网络“，了解图像识别背后的原理

卷积神经网络 CNN模型的架构Cnn 的流程第一步提取图片特征提取特征的计算规则第二步最大池化第三步扁平化处理第四步数据条录入全连接隐藏层 b站视频 CNN模型的架构图片由像素点组成，最终成像效果由背后像素的颜色数值所决定的有这样的一个66的区域&#x…...

编程日记 2023/10/20 9:08:52

Stm32_标准库_期末设计_温度测量光照测量手机与芯片通信实现信息的更新

目录前言：1.接线&效果&功能:2. 实现：1、手机与芯片单向通信：(1) 确保接收数据的完整性：(2) 判断传输数据的合法性：(3) 对数据合理的分割整合:(4) 实现过程产生的重大BUG及解决方法： 2、时间&日…...

编程日记 2023/10/20 9:07:51

JavaScript 的类型和值

JavaScript 的类型和值 1. 类型 1.1 七种内置类型空值（null)未定义（undefined）布尔值（boolean）字符串（string）数字（number）对象（object）符号&…...

编程日记 2023/10/20 9:06:50

Kotlin Compose Multiplatform 跨平台开发实践之加入 iOS 支持

前言几个月前 Compose Multiplatform 的 iOS 支持就宣布进入了 Alpha 阶段，这意味着它已经具备了一定的可用性。在它发布 Alpha 的时候，我就第一时间尝鲜，但是只是浅尝辄止，没有做过多的探索，最近恰好有点时间&…...

编程日记 2023/10/20 9:05:49

【小黑嵌入式系统第四课】嵌入式系统硬件平台（二）——I/O设备、通信设备（UARTUSB蓝牙）、其他（电源时钟复位中断）

上一课： 【小黑嵌入式系统第三课】嵌入式系统硬件平台（一）——概述、总线、存储设备（RAM&ROM&FLASH) 文章目录一、I/O设备1. 定时器/计数器2. ADC和DAC3. 人机接口设备3.1 键盘3.2 LCD显示器3.3 触摸屏二、通信设备1. 通…...

编程日记 2023/10/20 9:04:47

报错：AttributeError: module ‘tensorflow‘ has no attribute ‘flags‘

改成如下： 报错原因：tensorflow1.x与2.x版本问题不兼容...

编程日记 2023/10/20 9:03:45

Android--Retrofit2执行多个请求任务并行，任务结束后执行统一输出结果

场景：后端上传文件接口只支持单个文件上传，而业务需求一次性上传多个图片，因此需要多个上传任务并发进行，拿到所有的返回结果后，才能进行下一个流程。 1、使用Java并发工具 private List<Response<JSONObject>…...

编程日记 2023/10/20 9:01:44

面试算法30：插入、删除和随机访问都是O（1）的容器

题目设计一个数据结构，使如下3个操作的时间复杂度都是O（1）。 insert（value）：如果数据集中不包含一个数值，则把它添加到数据集中。remove（value）：如果数据集…...

编程日记 2023/10/20 8:59:42

Qt/C++开源作品45-CPU内存显示控件/和任务管理器一致

一、前言在很多软件上，会在某个部位显示一个部件，专门显示当前的CPU使用率以及内存占用，方便用户判断当前程序或者当前环境中是否还有剩余的CPU和内存留给程序使用，在不用打开任务管理器或者资源查看器的时候直接得知当前系统的…...

编程日记 2023/10/20 8:58:40

win32汇编-使用子程序

当程序中相同功能的一段代码用得比较频繁时，可以将它分离出来写成一个子程序，在主程序中用call指令来调用它。这样可以不用重复写相同的代码， 仅仅用call指令就可以完成多次同样的工作了。Win 32汇编中的子程序也采用堆栈来传递参数&#xff…...

编程日记 2023/10/20 8:57:39

【论文阅读】 Cola-Dif； An explainable task-specific synthesis network

文章目录 CoLa-Diff: Conditional Latent Diffusion Model for Multi-modal MRI SynthesisAn Explainable Deep Framework: Towards Task-Specific Fusion for Multi-to-One MRI Synthesis CoLa-Diff: Conditional Latent Diffusion Model for Multi-modal MRI Synthesis 论文…...

编程日记 2023/10/20 8:56:38

ShareMouse for Mac(多台电脑鼠标键盘共享软件)

ShareMouse mac版是一款Mac平台上可以在多台电脑间共享鼠标的工具软件，sharemousefor Mac支持 Windows 与 Mac，并可以在不同电脑间共享剪贴板。只需要移动鼠标指针的到想控制的显示器那里去、鼠标光标就会神奇地“跨越”到邻近的电脑屏幕上。每个计算机都…...

编程日记 2023/10/20 8:55:36

中文编程开发语言工具开发案例：多种称重方式编程实际例子

中文编程开发语言工具开发案例：多种称重方式编程实际例子上图为计价秤，使用串口通讯线连接电脑的主机，软件自动读取称的重量，自动计算金额。这种方式称重快速，不需再打印条码。上图这个称重方式为一体称称重&#…...

编程日记 2023/10/20 8:54:35

国密sm2的Vue、Python、Java互通使用

目录一、Vue 二、Python 三、Java 一、Vue # npm install --save sm-cryptoimport {sm2} from sm-crypto const cipherMode 1 const private_key d9d37f4f46e8514c6f9398a984e74f3eead994e8f4ac5f92e5deb313cb5ad6a6 const public_key 04 e332ee43ac37be458550652fb9…...

编程日记 2023/10/20 8:53:34

如何通过SK集成chatGPT实现DotNet项目工程化？

智能助手服务以下案例将讲解如何实现天气插件当前文档对应src/assistant/Chat.SemanticServer项目首先我们介绍一下Chat.SemanticServer的技术架构 SemanticKernel 是什么？ Semantic Kernel是一个SDK，它将OpenAI、Azure OpenAI和Hugging Face等大…...

编程日记 2023/10/20 8:52:32

DRM中render-node编号的分配

DRM系统 DRM是direct rendering manager的简称。DRM是linux kernel中与负责video cards功能的GPU打交道的子系统。DRM给出了一组API，可以供用户程序来发送命令和数据给GPU设备从而来控制比如display、render等功能。 render-node由来在以前，DRM子系统…...

编程日记 2023/10/20 8:51:31

将输入对象转换为数组数组的维度大于等于1numpy.atleast_1d()

【小白从小学Python、C、Java】【计算机等考500强证书考研】【Python-数据分析】将输入对象转换为数组数组的维度大于等于1 numpy.atleast_1d() 选择题使用numpy.atleast_1d()函数,下列正确的是？ import numpy as np a1 1 a2 ((1,2,3),(4,5,6)) print("…...

编程日记 2023/10/20 8:49:29

js 删除树状图无用数据，如果子级没有数据则删除

有一个需求，当你从后端拿到一个树状图的时候，有些子级没数据，这时就需要我们处理一下数据，当然了，如果第一层底下的第二层没数据，第二层底下的所有都没数据，那这一层都不需要。我的写法&#x…...

编程日记 2023/10/20 8:47:27

Docker 容器化（初学者的分享）

目录一、什么是docker 二、docker的缺陷三、简单的操作一、首先配置一台虚拟机二、安装Docker-CE 一、安装utils 二、将 Docker 的软件源添加到 CentOS 的 yum 仓库中。这样可以通过 yum 命令来安装、更新和管理 Docker 相关的软件包。三、将 download.docker.co…...

编程日记 2023/10/20 8:46:26

LCS 01.下载插件

题目来源： leetcode题目，网址：写文章-CSDN创作中心解题思路： 假设需要 n 分钟下载插件，前 n-1 分钟将带宽加倍，最后一分钟下载时总时间最少。解题代码： class Solution { public:int l…...

编程日记 2023/10/20 8:45:25

手游刚开服就被攻击怎么办？如何防御DDoS？

开服初期是手游最脆弱的阶段，极易成为DDoS攻击的目标。一旦遭遇攻击，可能导致服务器瘫痪、玩家流失，甚至造成巨大经济损失。本文为开发者提供一套简洁有效的应急与防御方案，帮助快速应对并构建长期防护体系。一、遭遇攻击的紧急应…...

编程新知 2025/7/7 12:11:39

synchronized 学习

学习源： https://www.bilibili.com/video/BV1aJ411V763?spm_id_from333.788.videopod.episodes&vd_source32e1c41a9370911ab06d12fbc36c4ebc 1.应用场景不超卖，也要考虑性能问题（场景） 2.常见面试问题： sync出…...

编程新知 2025/6/21 18:22:44

ES6从入门到精通：前言

ES6简介 ES6（ECMAScript 2015）是JavaScript语言的重大更新，引入了许多新特性，包括语法糖、新数据类型、模块化支持等，显著提升了开发效率和代码可维护性。核心知识点概览变量声明 let 和 const 取代 var&#xf…...

编程新知 2025/7/7 9:53:50

label-studio的使用教程(导入本地路径)

文章目录 1. 准备环境2. 脚本启动2.1 Windows2.2 Linux 3. 安装label-studio机器学习后端3.1 pip安装(推荐)3.2 GitHub仓库安装 4. 后端配置4.1 yolo环境4.2 引入后端模型4.3 修改脚本4.4 启动后端 5. 标注工程5.1 创建工程5.2 配置图片路径5.3 配置工程类型标签5.4 配置模型5.…...

编程新知 2025/7/7 6:42:33

云启出海，智联未来｜阿里云网络「企业出海」系列客户沙龙上海站圆满落地

借阿里云中企出海大会的东风，以**「云启出海，智联未来｜打造安全可靠的出海云网络引擎」为主题的阿里云企业出海客户沙龙云网络&安全专场于5.28日下午在上海顺利举办，现场吸引了来自携程、小红书、米哈游、哔哩哔哩、波克城市、…...

编程新知 2025/7/8 3:06:16

Day131 | 灵神 | 回溯算法 | 子集型子集

Day131 | 灵神 | 回溯算法 | 子集型子集 78.子集 78. 子集 - 力扣（LeetCode） 思路： 笔者写过很多次这道题了，不想写题解了，大家看灵神讲解吧回溯算法套路①子集型回溯【基础算法精讲 14】_哔哩哔哩_bilibili 完…...

编程新知 2025/7/7 13:10:51

理解 MCP 工作流：使用 Ollama 和 LangChain 构建本地 MCP 客户端

🌟 什么是 MCP？ 模型控制协议 (MCP) 是一种创新的协议，旨在无缝连接 AI 模型与应用程序。 MCP 是一个开源协议，它标准化了我们的 LLM 应用程序连接所需工具和数据源并与之协作的方式。可以把它想象成你的 AI 模型和想要使用它…...

编程新知 2025/7/5 9:25:14

基于IDIG-GAN的小样本电机轴承故障诊断

目录 🔍 核心问题一、IDIG-GAN模型原理 1. 整体架构 2. 核心创新点 (1) 梯度归一化（Gradient Normalization） (2) 判别器梯度间隙正则化（Discriminator Gradient Gap Regularization） (3) 自注意力机制（Self-Attention） 3. 完整损失函数二…...

编程新知 2025/7/7 14:29:27