码迷,mamicode.com
首页 > 其他好文 > 详细

机器学习十四--深度学习-卷积

时间:2020-06-06 18:35:50      阅读:58      评论:0      收藏:0      [点我收藏+]

标签:图像特征   开始   max   显示   提取   安装   联系   vol   ict   

1.简述人工智能、机器学习和深度学习三者的联系与区别。

2. 全连接神经网络与卷积神经网络的联系与区别。

3.理解卷积计算。

以digit0为例,进行手工演算。

from sklearn.datasets import load_digits #小数据集8*8

digits = load_digits()

0 0 5 13 9 1 0 0
0 0 13 15 10 15 5 0
0 3 15 2 0 11 8 0
0 4 12 0 0 8 8 0
0 5 8 0 0 9 8 0
0 4 11 0 1 12 7 0
0 2 14 5 10 12 0 0
0 0 6 13 10 0 0 0

选取如下卷积核:

技术图片

 

 第一次:使用上面的卷积核和上面矩阵中头一个3*3的矩阵进行运算技术图片

 

1*0+0*0+-1*5+1*0+0*0+-1*13+1*0+0*0+-1*15= -13

 第二次选取的矩阵往右移动一格,即技术图片,再如上和卷积核做相同的计算,得结果-27

 

第三次第四次。。。。。。都喝上面的步骤一样,和卷积核计算得出结果

.。。。。。

当移动到前三行的最后三列时,得结果27,以上结果记为一行,即技术图片

于是往下一列,从左开始做上述计算,每次移动完后就向下一列从左边开始计算,移动到最后一列后计算完,这个过程便结束,结果如下:

技术图片

 

 

读取一个图像;
4.理解卷积如何提取图像特征。

以下矩阵为卷积核进行卷积操作;

显示卷积之后的图像,观察提取到什么特征。

 

1 0 -1
1 0 -1
1 0 -1

 

1 1 1
0 0 0
-1 -1 -1

 

-1 -1 -1
-1 8 -1
-1 -1 -1

 

卷积API

scipy.signal.convolve2d

tf.keras.layers.Conv2D

(1)导入相关的包

from PIL import Image
import matplotlib.pyplot as plt
%matplotlib inline
import numpy as np
from scipy.signal import convolve2d

(2)读取图片,并做卷积运算

#读取图片,转换图片模式
I = Image.open(rC:\Users\zengk\Pictures\Camera Roll\nirvana.jpg)
L = I.convert(L)

imgg = np.array(L)

#三种卷积核
k1 = np.array([[1,0,-1],[1,0,-1],[1,0,-1]])
k2 = np.array([[1,1,1],[0,0,0],[-1,-1,-1]])
k3 = np.array([[-1,-1,-1],[-1,8,-1],[-1,-1,-1]])
# k4 = np.array([[1,1,1],[-1,-1,-1],[1,1,1]])

#卷积计算
img1 = convolve2d(imgg,k1,boundary=symm,mode=same)
img2 = convolve2d(imgg,k2,boundary=symm,mode=same)
img3 = convolve2d(imgg,k3,boundary=symm,mode=same)

#显示图片
plt.matshow(img)
plt.matshow(img1)
plt.matshow(img2)
plt.matshow(img3)

(3)结果及观察:

原图如下:

技术图片

 

1 0 -1
1 0 -1
1 0 -1

 

 

 

 

此卷积核下计算出来的图像如下

技术图片

 

 从此图中可以观察出,主要是纵向的线条较为明显,比如两人物的头发和衣物以及左边人物的鼻梁,较为明显

 

1 1 1
0 0 0
-1 -1 -1

 

 

 

 

此卷积核下的卷积结果如下:

技术图片

 

 
 从此图中可以观察出,主要是横向的线条较为明显,比如左边人物的发际线、肩膀,上图只能看到鼻梁的鼻子在这里能观察到鼻孔位置,还有最下面的几个躺着的人的腿。

-1 -1 -1
-1 8 -1
-1 -1 -1

 

 

 


此卷积核下的卷积结果如下:

技术图片

 这个图主要就是一些边缘的特征提取

 

 

5. 安装Tensorflow,keras

参考:https://blog.csdn.net/u011119817/article/details/88309256 

6. 设计手写数字识别模型结构,注意数据维度的变化。

from tensorflow.keras.models import Sequential

from tensorflow.keras.layers import Dense, Flatten, Conv2D, MaxPool2D

model = tf.keras.Sequential()

model.add(Conv2D(…))

model.add(MaxPool2D(…))

...

#可以上传手动演算的每层数据结构的变化过程。model.summary() 

 

参考:

https://www.jianshu.com/p/afe485aa08ce

https://blog.csdn.net/junjun150013652/article/details/82217571

 

机器学习十四--深度学习-卷积

标签:图像特征   开始   max   显示   提取   安装   联系   vol   ict   

原文地址:https://www.cnblogs.com/xiaoAP/p/13055310.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!