能夠提取出圖片邊緣特徵的網路是什麼

能夠提取出圖片邊緣特徵的網路是卷積層；卷積運算的目的是提取輸入的不同特徵，第一層卷積層可能只能提取一些低級的特徵如邊緣、線條和角等層級，更多層的網路能從低階特徵中迭代提取更複雜的特徵。

本文操作環境：Windows7系統、DELL G3電腦

能夠擷取出圖片邊緣特徵的網路是什麼？

能夠擷取出圖片邊緣特徵的網路是卷積層。

卷積神經網路中每層卷積層（Convolutional layer）由若干卷積單元組成，每個卷積單元的參數都是透過反向傳播演算法優化得到的。卷積運算的目的是提取輸入的不同特徵，第一層卷積層可能只能提取一些低級的特徵如邊緣、線條和角等層級，更多層的網路能從低級特徵中迭代提取更複雜的特徵。

卷積神經網路

卷積神經網路（Convolutional Neural Network,CNN）是一種前饋神經網絡，它的人工神經元可以回應一部分覆蓋範圍內的周圍單元，對於大型影像處理有出色表現。

卷積神經網路由一個或多個卷積層和頂端的全連通層（對應經典的神經網路）組成，同時也包含關聯權重和池化層（pooling layer）。這個結構使得卷積神經網路能夠利用輸入資料的二維結構。與其他深度學習結構相比，卷積神經網路在影像和語音辨識方面能夠給出更好的結果。這一模型也可以使用反向傳播演算法進行訓練。相較於其他深度、前饋神經網絡，卷積神經網路需要考慮的參數較少，使之成為頗具吸引力的深度學習結構。

更多相關知識，請造訪常見問題欄位！

以上是能夠提取出圖片邊緣特徵的網路是什麼的詳細內容。更多資訊請關注PHP中文網其他相關文章！