C
核心技术
Core technology
卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深度学习(deep learning)的代表算法之一 ,由于卷积神经网络能够进行平移不变分类(shift-invariant classification)。
因此也被称为“平移不变人工神经网络(Shift-Invariant Artificial Neural Networks, SIANN),卷积神经网络包含卷积、激活函数、最大池化等操作。是一个专门针对图像识别问题设计的神经网络,可以进行监督学习和非监督学习,其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化(grid-like topology)特征,例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程(feature engineering)要求。它模仿人类识别图像的多层过程(机器视觉)、瞳孔摄入像素、大脑皮层某些细胞初步处理、发现形状边缘方向、抽象判定形状(如圆形、方形)、进一步抽象判定(如判断树叶遮挡)。
卷积神经网络分类模型利用卷积层提取图片高层特征、池化层减少特征冗余、激活函数层增减非线性映射,最后通过全连接层和SoftMax层输出一维向量判断图片所属类别。 由于公司有多年的公安、交警等方面的视频图像质量诊断产品的应用,在此过程中积累了大量的图像样本,提供进行算法训练,基于卷积神经网络的深度学习算法能够有效的提高算法准确度。