基于卷积神经网络识别

基于卷积神经网络的图像识别是将一个完整的图片分割成许多个小部分，把每个小部分里具有的特征提取出来，再将这些小部分具有的特征汇总到一起，从而完成机器识别图像的过程。卷积神经网络通过不断改变卷积核，来确定能初步表征图片特征的有用的卷积核是哪些，再得到与相应的卷积核相乘后的输出矩阵。池化层则是通过相互比较不同卷积核的输出值，来判断哪一个卷积核最能表现该图片的特征。基于卷积神经网络的图像识别已经在很多领域得到了广泛应用，例如人脸识别、自动驾驶、医学影像分析等。