叁两_2025_12

一般整个网络最后一层（全连接那层）用的平均池化 一般情况下是2*2，步长为2的池化**************

激活函数： 目的：引入非线性（线性和非线性一起会生成一个非线性的） Sigmoid/logistics函数：数据太大或者太小时，不会呈现变化（看下图像就知道） tanh(双曲正切曲线)：比Sigmoi

卷积神经网络——主要层次 数据输入层：Input Layer 卷积计算层：CONV Layer ReLU激励层：ReLU Incentive Layer 池化层：Pooling Layer 全连接层：

Overfeat 移动窗⼝法： 用一个固定大小的“窗口”在图像上滑动，对每个窗口进行分类，从而判断窗口内是否包含目标以及目标类别。（类似：用放大镜在图片上逐格扫描找目标） 本质是暴力穷举，比较消耗算力

目标检测（Object Detection） 目标检测的任务是找出图像中所有感兴趣的目标，并确定它们的类别和位置。 常用的开源数据集 经典的目标检测数据集有两种，PASCAL VOC数据集 和 MS

tf.image进行图像增强 1、导入所需的工具包： 2、并读取要处理的图像： 翻转 左右翻转图像 最早也是最广泛使用的一种图像增广方法。 上下翻转 裁剪 随机裁剪 随机裁剪出一块面积为原面积10%

残差块（Residual Block） 残差块是 ResNet（深度残差网络） 的核心创新，解决了深层网络训练时的 梯度消失/梯度爆炸问题 核心思想是 “跳过连接”（Skip Connection）

GoogLeNet和AlexNet/VGGNet这类依靠加深网络结构的深度的思想不完全一样。GoogLeNet在加深度的同时做了结构上的创新，引入了一个叫做Inception的结构来代替之前的卷积加激

腐蚀 有助于减少白色噪声，可以用于分离两个连接的对象 膨胀 和腐蚀的操作相反，其功能是增加图像的白色区域的值 在去除噪声后，可以通过膨胀再恢复图像的目标区域信息 Open 开运算 先做一次腐蚀，然后再