卷积神经网络？

Question

好吧，我开始理解神经网络的概念了，但我仍然不能理解卷积神经网络的用途/优点/实现，特别是在图像处理中。

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的权重矩阵和一个大小为50*50的训练集中的人脸。现在，当你取矩阵的加权和时，它会返回一个特定值，比如"X“。所以现在我明白了，我的想法是在整个图像上运算权重矩阵，以获得一个区域上的锁，该区域给出一个加权和~"X“，现在你已经检测到了一张脸。

如果上面提到的理解是正确的，那么大小为25*25的图像如何在克隆到"X“的任何位置产生一个值。所以基本的问题是如何处理图像的相对大小。

如果可能的话，请推荐一些同样好的教程。

Answer 1

我发布了一个类似的question，你的也出现了，因此有几个想法，尽管这是一个更老的问题：

• 通常你在神经网络中有一个以上的权重矩阵(即几层)，因此“锁定一个区域”通常太简单了。对于神经网络来说“重要”的特征可能是复杂的。卷积网络的主要特征之一是简化和“下采样”权重矩阵(称为池化)，正如我在“my similar question.
• Inputs to a
• ”的答案中所述，识别图像的神经网络可能变化很大，你并不总是需要逐个像素的输入。在许多减少中，你可以使用向量放置在图像上，这是一个对我有建议的link to a good tutorial /帮助了我很多