CNN神经网络给图像分类(Matlab)
1. 你要看你的图像是什么。如果是彩色数字,先转成灰度。用MNIST训练网络。如果是各种主题,用彩色的imageNET训练。如果你的数据量大到足以与数据集媲美,那么直接用你的数据训练网络即可。
在流行的数据集上训练完,你需要固定卷积池化层,只训练后面的全连接层参数,用你自己的数据集。
2. CNN一是调整网络结构,几层卷积几层池化,卷积的模板大小等。而是在确定结构上调整参数,weight scale,learning rate,reg等。
3. 你用CNN做图像分类,无非是把CNN当成学习特征的手段,你可以吧网络看成两部分,前面的卷积层学习图像基本-中等-高层特征,后面的全连接层对应普通的神经网络做分类。
需要学习的话,首先你去看UFLDL教程。然后cs231n
与其问别人,首先你看了imageNet数据集了吗?
对于把流行数据集与自己数据混合训练模型的方法。如果两种数据十分相似,也未尝不可。但是对于流行数据集而言,自己的标注数据量一般不会太大,如果是1:1000,1:100这种比例,那么可能不加自己的数据,完全用数据集训练的模型就能得到一个还好的结果。
如果自己的数据和数据集有些差别,那混在一起我认为自己的是在用自己的数据当做噪声加到数据集中。cnn认为图像是局部相关的,而欺骗CNN的方法则主要出于,自然图像分布在一种流形结构中,训练的模型需要这种流形假设,而人工合成的图像由于添加非自然噪点,不满足模型假设,所以能用肉眼难分辨的噪声严重干扰分类结果。
如果二者相差过大,数据集是一种分布,你的数据是另一种,放到一起训练,我没试过,但我认为结果不会太好。
这时候只能把数据集用来训练cnn的特征提取能力。而后用于分类的全连接层,视你的数据量调整规模。你做的是直接输入彩色的图像吗大兄弟,问个问题啊,训练好模型怎么分类呀,就是怎么用得到的模型对位置样本进行分类。刚刚看到,奉劝一句,还是放弃deeplearning toolbox吧,因为里面有很多错误,而且,如果想对网络进行改进很麻烦的,还是转到tensorflow或者caffe吧,不想换语言,可以用matconvnet框架
CNN介绍及历史
CNN是全球第一家全天候播报新闻的电视台,1980年6月1日开办于亚特兰大。\
从1980年6 月 1日开播以来,已经发展成为15个有线和卫 星电 视频道网络,12个网站,2个当地电视网络和2个广播网络。CNN在全球还拥有多个地区和外语频道。CNN在1995年8月30日启动了自己的新闻网站,CNN.com,被称作是互联网上第一个新闻网站。
1981年,率先在电视上报道里 根遇 刺事件,引起轰动。
在1991年的海 湾 战 争中,CNN的国际知名度得到提升,他们关于战争的现场报导吸引了全世界的目光。
1995年,时 代 华 纳并购CNN所属的特纳广播公司,使时 代 华 纳成为当时全球最大的媒体集团。
2001年,CNN于2001年9月11日上午8时49分开始现场直播九一一袭 击 事件世界贸易中心 ,是全世界第一个报道九一一袭 击事 件的新闻媒体。
其实是有几个台, 有CNN 北美, 就是cable; 还有北美 的HLN 就是headline news,.
还有就是CNN INTERNATIONAL 更注重全球新闻, 然后全球3大中心-- 亚特兰大 伦敦 以及香港, 每个中心负责8个小时, 刚好就24小时覆盖; 目前还在阿布扎比开设了中东总部.
还有cnn 西班牙语 及cnn印度 cnn开罗
百科有一篇长文介绍的很全面 详细 很客 观.cnn是cable news network的缩写,是美国的有线电视新闻网,cnn于1980年6月1日开播,是世界上第一家开办24小时全新闻频道的电视公司,创始人是特德·纳特,隶属于时代华纳传媒集团。1982年,开创了cnn二台(简称新闻网)。刚开了专业课,广播电视新闻概论。