基于CNN的服飾類實(shí)體門店商品識別方法的應(yīng)用研究
【文章頁數(shù)】:76 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2-1?M-P神經(jīng)元模型??其中,x1(x21?為該神經(jīng)元從上一層的n個(gè)神經(jīng)元接收的輸入信號,??w,?w,為i經(jīng)經(jīng)的,表經(jīng)連的強(qiáng),??
?基于CNN的服飾類實(shí)體門店商品識別方法的應(yīng)用研究???2商品識別方法的原理介紹??2.1基于CNN的圖像分類原理介紹??2.1.1人工神經(jīng)網(wǎng)絡(luò)??1.M-P神經(jīng)元模型??1943年,美國心理學(xué)家McCulloch和數(shù)學(xué)家Pitts參考生物神經(jīng)元結(jié)構(gòu),提??出了一種簡易人工神經(jīng)元....
圖2-2全連接神經(jīng)網(wǎng)絡(luò)示意圖??11??
?2商品識別方法的原理介紹???2.感知機(jī)??1957年,就職于Cornell航空實(shí)驗(yàn)室的Rosenblatt提出了感知機(jī)(Perceptron),??該模型是一種簡單的人工神經(jīng)網(wǎng)絡(luò),能夠執(zhí)行線性二分類任務(wù)網(wǎng)。設(shè)輸入空間??為j?S?i?'輸出空間y?=?(+?1,?-?1}表示....
圖2-3卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)??卷積神經(jīng)網(wǎng)絡(luò)(CNN)是一種以卷積層為基本單元的人工神經(jīng)網(wǎng)絡(luò),其基??
?基于CNN的服飾類實(shí)體門店商品識別方法的應(yīng)用研究???輸入層?卷積層1?池化層1?卷積層2?地化層2全連接層softmax層??4j?f^nrt?:?4-i?-—.??圖2-3卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)??卷積神經(jīng)網(wǎng)絡(luò)(CNN)是一種以卷積層為基本單元的人工神經(jīng)網(wǎng)絡(luò),其基??本結(jié)構(gòu)....
圖2-4局部感受野與局部連接??雖然通過局部連接減少了參數(shù)量,但對于模型訓(xùn)練來說,在盡可能維持預(yù)??測精度的情況下參數(shù)越少越好
局部連接,F(xiàn)討??論局部連接減少參數(shù)量的效果:設(shè)輸入層節(jié)點(diǎn)數(shù)為丨|/丨丨,輸出層節(jié)點(diǎn)數(shù)為丨L/1I,??卷積核大小為/cxfc,采用全連接方式的參數(shù)量為||/丨丨X||;丨丨,采用局部連接方式??則的參數(shù)量為/CX/CX?||/丨丨,其中/C一般取值較小,如1、3、5,于是有/c....
本文編號:3940163
本文鏈接:http://sikaile.net/qiyeguanlilunwen/3940163.html