企业网站商城,python做的网站源码,桂林做手机网站设计,网站设计规范《------往期经典推荐------》
一、AI应用软件开发实战专栏【链接】
项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体检测系统开发】5.【图片风格快速迁移软件开发】6.【人脸表表情识别系统】7.【…《------往期经典推荐------》
一、AI应用软件开发实战专栏【链接】
项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体检测系统开发】5.【图片风格快速迁移软件开发】6.【人脸表表情识别系统】7.【YOLOv8多目标识别与自动标注软件开发】8.【基于YOLOv8深度学习的行人跌倒检测系统】9.【基于YOLOv8深度学习的PCB板缺陷检测系统】10.【基于YOLOv8深度学习的生活垃圾分类目标检测系统】11.【基于YOLOv8深度学习的安全帽目标检测系统】12.【基于YOLOv8深度学习的120种犬类检测与识别系统】13.【基于YOLOv8深度学习的路面坑洞检测系统】14.【基于YOLOv8深度学习的火焰烟雾检测系统】15.【基于YOLOv8深度学习的钢材表面缺陷检测系统】16.【基于YOLOv8深度学习的舰船目标分类检测系统】17.【基于YOLOv8深度学习的西红柿成熟度检测系统】18.【基于YOLOv8深度学习的血细胞检测与计数系统】19.【基于YOLOv8深度学习的吸烟/抽烟行为检测系统】20.【基于YOLOv8深度学习的水稻害虫检测与识别系统】21.【基于YOLOv8深度学习的高精度车辆行人检测与计数系统】22.【基于YOLOv8深度学习的路面标志线检测与识别系统】23.【基于YOLOv8深度学习的智能小麦害虫检测识别系统】24.【基于YOLOv8深度学习的智能玉米害虫检测识别系统】25.【基于YOLOv8深度学习的200种鸟类智能检测与识别系统】26.【基于YOLOv8深度学习的45种交通标志智能检测与识别系统】27.【基于YOLOv8深度学习的人脸面部表情识别系统】28.【基于YOLOv8深度学习的苹果叶片病害智能诊断系统】29.【基于YOLOv8深度学习的智能肺炎诊断系统】30.【基于YOLOv8深度学习的葡萄簇目标检测系统】31.【基于YOLOv8深度学习的100种中草药智能识别系统】32.【基于YOLOv8深度学习的102种花卉智能识别系统】33.【基于YOLOv8深度学习的100种蝴蝶智能识别系统】34.【基于YOLOv8深度学习的水稻叶片病害智能诊断系统】35.【基于YOLOv8与ByteTrack的车辆行人多目标检测与追踪系统】36.【基于YOLOv8深度学习的智能草莓病害检测与分割系统】37.【基于YOLOv8深度学习的复杂场景下船舶目标检测系统】38.【基于YOLOv8深度学习的农作物幼苗与杂草检测系统】39.【基于YOLOv8深度学习的智能道路裂缝检测与分析系统】40.【基于YOLOv8深度学习的葡萄病害智能诊断与防治系统】41.【基于YOLOv8深度学习的遥感地理空间物体检测系统】42.【基于YOLOv8深度学习的无人机视角地面物体检测系统】43.【基于YOLOv8深度学习的木薯病害智能诊断与防治系统】44.【基于YOLOv8深度学习的野外火焰烟雾检测系统】45.【基于YOLOv8深度学习的脑肿瘤智能检测系统】46.【基于YOLOv8深度学习的玉米叶片病害智能诊断与防治系统】47.【基于YOLOv8深度学习的橙子病害智能诊断与防治系统】48.【基于深度学习的车辆检测追踪与流量计数系统】49.【基于深度学习的行人检测追踪与双向流量计数系统】50.【基于深度学习的反光衣检测与预警系统】51.【基于深度学习的危险区域人员闯入检测与报警系统】52.【基于深度学习的高密度人脸智能检测与统计系统】53.【基于深度学习的CT扫描图像肾结石智能检测系统】54.【基于深度学习的水果智能检测系统】55.【基于深度学习的水果质量好坏智能检测系统】56.【基于深度学习的蔬菜目标检测与识别系统】57.【基于深度学习的非机动车驾驶员头盔检测系统】58.【太基于深度学习的阳能电池板检测与分析系统】59.【基于深度学习的工业螺栓螺母检测】60.【基于深度学习的金属焊缝缺陷检测系统】61.【基于深度学习的链条缺陷检测与识别系统】62.【基于深度学习的交通信号灯检测识别】63.【基于深度学习的草莓成熟度检测与识别系统】64.【基于深度学习的水下海生物检测识别系统】65.【基于深度学习的道路交通事故检测识别系统】66.【基于深度学习的安检X光危险品检测与识别系统】67.【基于深度学习的农作物类别检测与识别系统】68.【基于深度学习的危险驾驶行为检测识别系统】69.【基于深度学习的维修工具检测识别系统】70.【基于深度学习的维修工具检测识别系统】71.【基于深度学习的建筑墙面损伤检测系统】72.【基于深度学习的煤矿传送带异物检测系统】73.【基于深度学习的老鼠智能检测系统】
二、机器学习实战专栏【链接】已更新31期欢迎关注持续更新中~~ 三、深度学习【Pytorch】专栏【链接】 四、【Stable Diffusion绘画系列】专栏【链接】 五、YOLOv8改进专栏【链接】持续更新中~~ 六、YOLO性能对比专栏【链接】持续更新中~
《------正文------》 目录 深度学习架构1LenetLeNet架构卷积神经网络的基础LeNet的关键细节网络结构概述结构特点计算卷积后图像大小的公式LeNet的优势 实现代码总结 深度学习架构1Lenet
LeNet架构卷积神经网络的基础
LeNet架构由Yann LeCun和他的团队在20世纪80年代后期创建是图像识别任务的开创性模型。它的诞生为现代卷积神经网络CNN奠定了基础它引入了卷积层、池化层和全连接层等技术采用分层设计来捕捉图像中的空间层次。LeNet在数字识别中发挥了关键作用并激发了深度学习的许多进步。
LeNet的关键细节
LeNet是为识别手写数字而开发的特别是支票上的邮政编码数字识别。使用的数据集它首先应用于MNIST数据集该数据集由手写数字0-9组成并被广泛用作图像分类任务的基准。
网络结构概述
LeNet-5是最著名的版本由七层组成包括卷积层、池化层和全连接层。以下是每一层的细分 输入层接受大小为32×32的灰度图像。C1 -卷积层使用6个大小为5×5的过滤器步长为1生成大小为28×28的特征图。S2 - 平均池化层使用2×2的内核大小和2的步幅进行平均池化将特征映射减少到14×14。C3 -卷积层使用16个大小为5×5的过滤器步长为1输出大小为10×10的特征图。S4 -子采样池化层再次应用平均池化得到大小为5×5的特征图。C5 -全连接卷积层该层有120个神经元每个神经元连接到上一层的所有5x 5特征图。F6 -全连接层包含84个神经元。输出层使用softmax激活函数输出10个类别数字0-9的概率。 结构特点
LeNet是早期成功的深度学习模型之一其特点如下
层次化结构 LeNet由多个层次组成包括卷积层、池化层和全连接层这种层次化的设计可以逐步提取图像的特征。卷积层Convolutional Layers 使用卷积层来提取图像中的空间特征通过卷积核与输入图像进行卷积操作生成特征图。下采样层Subsampling Layers 也称为池化层用于降低特征图的维度同时保留重要信息。LeNet使用平均池化Average Pooling。非线性激活函数 在卷积层和全连接层之后使用Sigmoid或双曲正切Tanh作为激活函数引入非线性因素增强网络的表达能力。全连接层Fully Connected Layers 在网络的最后几层使用全连接层将学到的特征图映射到最终的分类结果上。参数共享 卷积层中的卷积核在整张图像上滑动时其参数是共享的这大大减少了模型的参数数量降低了计算复杂度。局部连接 卷积层的神经元只与输入数据的一个局部区域连接这反映了图像的局部性质使得网络能够识别图像中的局部模式。较少的参数数量 由于参数共享和局部连接LeNet相比于全连接网络具有更少的参数这使得模型更加高效且在当时的计算资源下能够训练。序列化模型 LeNet的结构是序列化的即每一层的输出都是下一层的输入这种流水线式的处理方式适合于处理序列数据。
计算卷积后图像大小的公式 LeNet的优势
高效的特征提取卷积层有效地捕获图像中的空间层次这使得该模型对图像数据特别有效。减少的参数计数池化层减少了空间大小降低了参数计数和计算负载。基础设计LeNet的设计引入了现代CNN架构所基于的几个原则包括AlexNet、VGG和ResNet。
实现代码
import tensorflow as tf
from tensorflow.keras import layers, models, datasets
import numpy as np# Load and preprocess the MNIST dataset
(x_train, y_train), (x_test, y_test) datasets.mnist.load_data()
x_train, x_test x_train / 255.0, x_test / 255.0 # Normalize pixel values
x_train np.expand_dims(x_train, -1) # Add a channel dimension for grayscale
x_test np.expand_dims(x_test, -1)model Sequential()
model.add(Conv2D(6, kernel_size(5, 5), activationtanh, input_shape(28, 28, 1)))
model.add(MaxPooling2D(pool_size(2, 2)))
model.add(Conv2D(16, kernel_size(5, 5), activationtanh))
model.add(MaxPooling2D(pool_size(2, 2)))
model.add(Flatten())
model.add(Dense(120, activationtanh))
model.add(Dense(84, activationtanh))
model.add(Dense(10, activationsoftmax))# Compile the model
model.compile(optimizeradam,losssparse_categorical_crossentropy,metrics[accuracy])# Train the model
model.fit(x_train, y_train, epochs10, batch_size64, validation_data(x_test, y_test))# Evaluate the model
test_loss, test_acc model.evaluate(x_test, y_test)
print(fTest Accuracy: {test_acc:.4f})总结
LeNet的成功证明了卷积神经网络在图像识别任务中的有效性并为后续的深度学习模型如AlexNet、VGGNet等提供了灵感。尽管现代的CNN模型在结构和复杂度上已经远远超过了LeNet但LeNet的一些基本思想和原则仍然在当代的深度学习模型中得以保留。 好了这篇文章就介绍到这里喜欢的小伙伴感谢给点个赞和关注更多精彩内容持续更新~~ 关于本篇文章大家有任何建议或意见欢迎在评论区留言交流 文章转载自： http://www.morning.nfcxq.cn.gov.cn.nfcxq.cn http://www.morning.jwfkk.cn.gov.cn.jwfkk.cn http://www.morning.lzzqz.cn.gov.cn.lzzqz.cn http://www.morning.cmfkp.cn.gov.cn.cmfkp.cn http://www.morning.jnkng.cn.gov.cn.jnkng.cn http://www.morning.tyklz.cn.gov.cn.tyklz.cn http://www.morning.slfmp.cn.gov.cn.slfmp.cn http://www.morning.zpyxl.cn.gov.cn.zpyxl.cn http://www.morning.yzdth.cn.gov.cn.yzdth.cn http://www.morning.wftrs.cn.gov.cn.wftrs.cn http://www.morning.bswhr.cn.gov.cn.bswhr.cn http://www.morning.webife.com.gov.cn.webife.com http://www.morning.yongkangyiyuan-pfk.com.gov.cn.yongkangyiyuan-pfk.com http://www.morning.c7500.cn.gov.cn.c7500.cn http://www.morning.kqbwr.cn.gov.cn.kqbwr.cn http://www.morning.hgtr.cn.gov.cn.hgtr.cn http://www.morning.c7498.cn.gov.cn.c7498.cn http://www.morning.xnyfn.cn.gov.cn.xnyfn.cn http://www.morning.thpns.cn.gov.cn.thpns.cn http://www.morning.hphqy.cn.gov.cn.hphqy.cn http://www.morning.tklqs.cn.gov.cn.tklqs.cn http://www.morning.mkccd.cn.gov.cn.mkccd.cn http://www.morning.jwtwf.cn.gov.cn.jwtwf.cn http://www.morning.xfhms.cn.gov.cn.xfhms.cn http://www.morning.kmldm.cn.gov.cn.kmldm.cn http://www.morning.jmnfh.cn.gov.cn.jmnfh.cn http://www.morning.wnqfz.cn.gov.cn.wnqfz.cn http://www.morning.myhpj.cn.gov.cn.myhpj.cn http://www.morning.ndcjq.cn.gov.cn.ndcjq.cn http://www.morning.pjxlg.cn.gov.cn.pjxlg.cn http://www.morning.lqynj.cn.gov.cn.lqynj.cn http://www.morning.nkjpl.cn.gov.cn.nkjpl.cn http://www.morning.bnlch.cn.gov.cn.bnlch.cn http://www.morning.yprjy.cn.gov.cn.yprjy.cn http://www.morning.hwnnm.cn.gov.cn.hwnnm.cn http://www.morning.qctsd.cn.gov.cn.qctsd.cn http://www.morning.fjgwg.cn.gov.cn.fjgwg.cn http://www.morning.ggtgl.cn.gov.cn.ggtgl.cn http://www.morning.mtrz.cn.gov.cn.mtrz.cn http://www.morning.wmqrn.cn.gov.cn.wmqrn.cn http://www.morning.gkjyg.cn.gov.cn.gkjyg.cn http://www.morning.dmcqy.cn.gov.cn.dmcqy.cn http://www.morning.jtfsd.cn.gov.cn.jtfsd.cn http://www.morning.bnbtp.cn.gov.cn.bnbtp.cn http://www.morning.dmsxd.cn.gov.cn.dmsxd.cn http://www.morning.lrnfn.cn.gov.cn.lrnfn.cn http://www.morning.lhrwy.cn.gov.cn.lhrwy.cn http://www.morning.fqhbt.cn.gov.cn.fqhbt.cn http://www.morning.bygyd.cn.gov.cn.bygyd.cn http://www.morning.zlrrj.cn.gov.cn.zlrrj.cn http://www.morning.pshtf.cn.gov.cn.pshtf.cn http://www.morning.mrfnj.cn.gov.cn.mrfnj.cn http://www.morning.nkmw.cn.gov.cn.nkmw.cn http://www.morning.ymbqr.cn.gov.cn.ymbqr.cn http://www.morning.rmryl.cn.gov.cn.rmryl.cn http://www.morning.mcwrg.cn.gov.cn.mcwrg.cn http://www.morning.thbnt.cn.gov.cn.thbnt.cn http://www.morning.huxinzuche.cn.gov.cn.huxinzuche.cn http://www.morning.ryfqj.cn.gov.cn.ryfqj.cn http://www.morning.xpwdf.cn.gov.cn.xpwdf.cn http://www.morning.dtnzk.cn.gov.cn.dtnzk.cn http://www.morning.cpljq.cn.gov.cn.cpljq.cn http://www.morning.pqjpw.cn.gov.cn.pqjpw.cn http://www.morning.pflpb.cn.gov.cn.pflpb.cn http://www.morning.sjwws.cn.gov.cn.sjwws.cn http://www.morning.npbnc.cn.gov.cn.npbnc.cn http://www.morning.kxrhj.cn.gov.cn.kxrhj.cn http://www.morning.rfljb.cn.gov.cn.rfljb.cn http://www.morning.ybgpk.cn.gov.cn.ybgpk.cn http://www.morning.lgnrl.cn.gov.cn.lgnrl.cn http://www.morning.rfkyb.cn.gov.cn.rfkyb.cn http://www.morning.rgyts.cn.gov.cn.rgyts.cn http://www.morning.tnzwm.cn.gov.cn.tnzwm.cn http://www.morning.hqbnx.cn.gov.cn.hqbnx.cn http://www.morning.qjxxc.cn.gov.cn.qjxxc.cn http://www.morning.fjgwg.cn.gov.cn.fjgwg.cn http://www.morning.hrhwn.cn.gov.cn.hrhwn.cn http://www.morning.pmtky.cn.gov.cn.pmtky.cn http://www.morning.paxkhqq.cn.gov.cn.paxkhqq.cn http://www.morning.zrdqz.cn.gov.cn.zrdqz.cn
