为什么在图像处理上卷积神经网络(CNN)会取代人工神经网络(ANN)?

神经网络的本质就在于做信息形式的变换,而要想做数据的处理,首要解决的问题就是如何将数据张量化,问题就在于ANN要处理的数据必须是向量形式,对于图像这种数据类型来说,如果将其展开成一维的向量,且不说得到向量的维数过高,网络太深导致网络中参数太多,图像中的空间信息也会丢失.

而CNN能够用卷积的方式从原信息中提取"部分特定的信息(信息跟卷积核相关)",且对于二维的图像来说是原生支持的(不需要处理),这就保留了图像中的空间信息,而空间信息是具有可平移性质的.

并且卷积神经网络的参数就只是卷积核的参数以及偏置(Bias),而卷积核的参数可以做到共享,卷积核也可以用多个,从多个角度对原图像解读.

这就是卷积神经网络的几个特点:局部感知,参数共享,多核,平移不变性

正是因为这些特点,在图像领域处理上,CNN取代了ANN

标签：空间信息,卷积,ANN,神经网络,图像,CNN
来源： https://blog.csdn.net/weixin_43929195/article/details/120851589