卷积神经网络？

Question

好的，我开始理解神经网络的概念，但我仍然无法理解卷积神经网络的使用/优点/实现，尤其是图像处理。

我不明白的是如何检测不同大小的物体。

假设我们有一个50 * 50的权重矩阵和一个50 * 50大小的训练集中的面部。 现在，当您获取矩阵的加权和时，它将返回一个特定值，例如＆＃34; X＆＃34; 。 所以现在我理解这个想法是在整个图像上运行权重矩阵以获得一个区域的锁定，该区域给出加权和〜＆＃34; X＆＃34;现在你已经检测到了一张脸。

如果上面提到的理解是真的那么大小为25 * 25的图像将如何克隆到＆＃34; X＆＃34; 。所以基本问题是如何处理图像的相对大小。

如果可能的话，请提供一些相同的好教程。

Answer 1

我发布了一个类似的question并且你的弹出了，因此有一些想法虽然这是一个较老的问题：

• 通常你在神经网络中有一个以上的权重矩阵（即几个层），因此“锁定一个区域”通常过于简单。对神经网络“重要”的功能可能很复杂。
• 卷积网络的一个主要特征是简化和“缩减”权重矩阵（称为汇集），如我的类似question的答案中所述。
• 神经网络识别图像的输入可能有很大差异，您并不总是需要逐像素输入。在许多减少中，您可以使用放置在图像上的矢量（read more here）。
• 这是向我推荐的link to a good tutorial /帮了我很多次