当前位置:文档下载 > 所有分类 > IT/计算机 > 计算机软件及应用 > CNN 训练流程
侵权投诉

CNN 训练流程

CNN训练流程

1、图像预处理

(1) 尺度调整:将不同大小的训练样本集图像尺寸调整为48*48

(2) 对比度变换:将图像对比度归一化的三种方法

A. 将三个彩色空间的像素围绕平均像素强度线性变换加减一

个标准偏差。

B. 将三个彩色空间的像素围绕平均像素强度线性变换加减两

个个标准偏差。

C. Contrast-limited Adaptive Histogram Equalization (CLAHE)对比受限

的自适应直方图均衡化。

第三种对比度变换产生的效果最好。

图像扭曲:图像的位移,旋转度和尺度变换大小值都是在特定范围均匀分布的,在正负10%范围内。

2、卷积神经网络处理流程

Our plain feed-forward CNN architecture is trained using on-line gradient descent. Images from the training set might be translated, scaled and rotated, whereas only the original images are used for validation. Training ends once the validation error is zero (usually after 10 to 50 epochs). Initial weights are drawn from a uniform random distribution in the range [ 0.05, 0.05]. Each neuron’s activation function is a scaled hyperbolic tangent。用在线梯度下降算法训练CNN,当有效误差为零训练结束(通常在10—50代之后),初始权重均匀分布在[-0.05—0.05]随机产生。每一个神经元的激励函数为双曲正切函数。

CNN 训练流程

九层的卷积神经网络架构图

(1) 输入层:3幅不同彩色空间的图像由输入层输入

(2) 卷积层:

CNN 训练流程

卷积层每一个卷机层通过

CNN 训练流程

输入图像与卷积核进行二维卷积,激励

CNN 训练流程

结果输出图像

CNN 训练流程

是通过

CNN 训练流程

卷积响应的和经过非线性激励函数得到的

n代表层数,Y

CNN 训练流程

是一个输出图像j的偏置量。对于一个小的图像,。 是一个大小的卷积核连接输入图像i和输出图像j,和尺寸为的卷积核,输出图像是的大大小的输入图像(3)Max_pooling层:将上层卷积层的输出分为n个大小的矩形区域,取每个子区域的最大值进行降采样产生平

第1页

免费下载Word文档免费下载:CNN 训练流程

(下载1-4页,共4页)

我要评论

返回顶部