【导读】卷积神经网络是深度学习中的基础模型。南京大学吴建鑫教授的「卷积神经网络CNN」笔记,35页pdf初学者学习指南理解CNN数学原理。
吴建鑫, 南京大学计算机科学与技术系教授、博士生导师,
主页:
https://cs.nju.edu.cn/wujx/
本章从数学角度描述了卷积神经网络(CNN)的工作原理。这一章是自成一体的,重点是让初学者能够理解CNN领域。
卷积神经网络(CNN)在许多计算机视觉、机器学习和模式识别问题上表现出优异的性能。关于这个主题已经发表了许多solid论文,并且已经提供了许多高质量的开源CNN软件包。
也有写得很好的CNN教程或CNN软件手册。但是,我们认为,专门为初学者准备的介绍CNN的材料仍然是需要的。研究论文通常很简洁,缺乏细节。对于初学者来说,阅读这样的论文可能是困难的。针对有经验的研究人员的教程可能无法涵盖理解CNN如何运行的所有必要细节。
本章试图提出一个文档:
CNNs在很多应用中都很有用,特别是在与图像相关的任务中。CNNs的应用包括图像分类、图像语义分割、图像中的目标检测等。在本章中,我们将重点讨论图像分类。在图像分类中,每幅图像都有一个主要的对象,占图像的很大一部分。一个图像根据其主要对象的身份被分类到其中一个类中,狗、飞机、鸟等。
目录
地址:
https://cs.nju.edu.cn/wujx/teaching/15_CNN.pdf
下载地址:https://cs.nju.edu.cn/wujx/teaching/15_CNN.pdf