本文操作環(huán)境：Windows(???)7系統、出圖DELL G3電腦

能夠提取出圖片邊緣特征的片邊??網(wǎng)絡(luò )是什么？

能夠提取出圖片邊緣特征的(╥_╥)網(wǎng)絡(luò )是卷積層。

卷積神經(jīng)網(wǎng)絡(luò )中每層卷積層（Conv???olutional layer）由若干卷積單元組成，緣特(te)每個(gè)卷積單元的網(wǎng)絡(luò )參數都是通過(guò)(°o°)反向傳ヽ(′▽?zhuān)?ノ播算法最佳化得到的。卷積運算的出圖目的是提取輸入的不同特征，第ヽ(′▽?zhuān)?ノ一層卷積層可能只能提取一些低級的片邊特征如邊緣、線(xiàn)條和角等層級，緣特更多層的網(wǎng)絡(luò )網(wǎng)路能從低級特征中迭代提取更復雜的特征。

卷積神經(jīng)網(wǎng)絡(luò )

卷積神經(jīng)網(wǎng)絡(luò )（Convolution??al Neural Network,出圖CNN）是一種前饋神經(jīng)網(wǎng)絡(luò )，它的片(′_ゝ`)邊人工神(′?_?`)經(jīng)元可以響應(ying)一部分覆蓋范圍內??的周?chē)鷨卧?，對于大型圖像處理有出色表(biao)現。緣特

卷積神經(jīng)網(wǎng)絡(luò )由一個(gè)或多個(gè)卷積層和頂端的網(wǎng)絡(luò )全連通層（對應經(jīng)典的神經(jīng)網(wǎng)絡(luò )）組成，同時(shí)也包括關(guān)聯(lián)權重和池化層??（pooling layer）。出圖這一結構使得卷積神經(jīng)網(wǎng)絡(luò )能夠利用輸入數據的片邊二維結構。與其他深度學(xué)習結構相比，緣特卷積神經(jīng)網(wǎng)絡(luò )在圖(′?ω?`)像和語(yǔ)音識??別方面能夠給出更好的結果。這一模型也可以使用反向傳播算法進(jìn)行訓練。相比較其他(′▽?zhuān)?深度、前饋神經(jīng)網(wǎng)絡(luò )，卷積神經(jīng)網(wǎng)絡(luò )需要考量的參數更少，使之成為一種頗具(′▽?zhuān)?吸引力的深度學(xué)習結構。