《Python应用技术》 课程 5.5 神经网络应用设计.pptx

第5章 Python机器视觉应用 5.5 神经网络应用设计 卷积神经网络技术介绍 神经网络开发接口 开发实践 卷积神经网络技术 卷积神经网络（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 卷积神经网络由一个或多个卷积层和顶端的全连通层（对应经典的神经网络）组成，同时也包括关联权重和池化层（pooling layer）。这一结构使得卷积神经网络能够利用输入数据的二维结构。 与其他深度学习结构相比，卷积神经网络在图像和语音识别方面能够给出更好的结果。 卷积神经网络技术 感知器 感知器在20 世纪50—60 年代根据生物学启发提出的一种二元分类模型，以数学的方式来形式化表达神经元的工作原理。 神经网络 最常见的神经网络是前馈网络架构，从输入到输出，信息仅向前流动，包括输入层，隐藏层和输出层。 感知器 神经网络 卷积神经网络技术 CNN架构 神经网络开发接口 Net 类-神经网络 构造函数：class nn.load(path)，将神经网络从network加载到内存，神经网络的层/权值/偏置/等，存储在MicroPython堆上，返回一个可以在图像上进行操作的Net对象。 方法： （1）net.forward(image[, roi[, softmax=False[, dry_run=False]]]) 在图像roi上运行网络并返回神经网络分类结果的浮点值列表。 （2）net.search(image[, roi[, threshold=0.6[, min_scale=1.0[, scale_mul=0.5[, x_overlap=0[, y_overlap=0[, contrast_threshold=1[, softmax=False]]]]]]]]) 以滑动窗口方式在图像roi上运行网络。 笑脸检测实例 使用基于神经网络的笑脸检测模型，对视频流中出现的人脸进行检测，根据人脸是否出现笑脸特征，判断人脸是处于“高兴（smile）”还是“正常（nature）”。 实验代码见目录“23 神经网络应用\smile_nn”目录下的“smile_nn.py”文件。 笑脸检测实例 1）创建文件,输入的实验代码。 笑脸检测实例 2）程序下载与运行 参考“5.1.2 OpenMV介绍”中程序下载的方式进行操作。 3）程序测试 首先，如同上一个案例，将Python机器视觉套件的安装文件夹中机器视觉库下面的smile.network，拷贝到SD卡中。 笑脸检测实例 对人脸表情进行检测。 开发实践 CIFAR_10图像分类应用设计 基于CIFAR_10图像数据集，建立多层神经网络模型（DNN），进行图像分类预测. 1）创建“cifar_10_nn.py”文件,输入的实验代码。 开发实践 CIFAR_10图像分类应用设计 2）程序下载与运行 参考“5.1.2 OpenMV介绍”中程序下载的方式进行操作。 3）程序测试 首先，需要将Python机器视觉套件安装文件夹下面的训练好的cifar_10.network模型文件，拷贝到SD卡中，操作如下：选择菜单中的“工具->机器视觉->CNN网络模型库”。 开发实践 CIFAR_10图像分类应用设计 在弹出对话框中，选择cifar_10_fast/cifar_10_fast.network文件，点击【打开】按钮。 在随后弹出的保存对话框中，将cifar_10_fast.network文件保存在SD卡中。 开发实践 CIFAR_10图像分类应用设计 使用一匹马的图片，检验模型的识别能力。 思考与拓展 1、简述卷积神经网络的基本架构？