01-CNN入门¶

为什么需要cnn¶

看你还是看右，你的脑子在跳跃。

我们大脑看feature 来进行特征识别，看左和看右是不一样的感受。

多个特征，脑子不能决定，心里好憋的慌。

神经网络处理图片的过程和我们人类是非常类似的。

什么是卷积和图像特征¶

回顾opencv的卷积核，卷积核准确的讲叫特征提取器

import matplotlib.pyplot as plt
import pylab
import cv2
import numpy as np
img = plt.imread("a.jpg")                        
plt.imshow(img)                                     #显示原图
pylab.show()

fil = np.array([[ 1,1,1],                        #卷积核
                [ 1,1,1],
                [ 1,1,1]])

res = cv2.filter2D(img,-1,fil)                      #使用opencv的卷积函数
plt.imshow(res)                                     #显示卷积后的图片
pylab.show()

卷积的过程复习¶

stride 步长，步长越大，数据量压缩的越多

depth 多少个特征提取器，分多少层
padding 是否补齐数据

卷积的目的¶

减少了图像的数据量。make the image smaller，train faster 64 x 64 x 3 = 12288 如果是普通的图片呢？ 1920 x 1080
增强了feature，鼻子，眼睛，头发等，这些是feature，人并不是处理所有的信息的，人只处理特征值
卷积神经网络的目标之一，通过训练，寻找合适的卷积核，用来侦测不同的feature
强化关键信息，弱化无关数据