不同深度卷积层提取到的特征
来源：6-2 卷积神经网络的能力
慕标1049315
2020-03-08
老师，我在你的代码基础上，用网上下载的水果照片作为训练数据。你在课上讲的第一层提取颜色，第二层提取轮廓……层数越多，提取的特征越抽象。不知道这个说法是否受具体应用场景限制。对于我这个应用例子，假如各种水果可以通过颜色区别，那是不是较少的网络层数效果更好呢？另外，我们提供的照片，往往都有主体以外的背景部分，我们如何让网络更多识别到主体，学习到主体的特征呢？
写回答
1回答
-
同学你好，我们在课上所讲的不同层次不同的特征，但是实际上这是一个通用的解释，我们并不能够去控制卷积神经网络一定要这么学习。
然后这个说法通常会合理，所以不同场景下是类似的。如果假设各种水果可以通过颜色这一个强特征就能识别，那么是的，较少的网络层次会更好。但现实是，有很多case是光靠颜色无法区别，还需要靠纹理形状等特征才能识别。
对于主体以外的背景部分，建议可以先用普通的opencv里的一些算法，尝试把边缘去掉。这点在人脸识别中经常用到，即检测人脸，去掉背景。这样可以使得神经网络更加专注于主体的特征。
10
相似问题