傳統BP對比CNN

傳統BP vs CNN

存在2個問題

傳統BP網絡存在的問題： 

1. 權值太多，計算量太大
2. 權值太多，需要大量樣本進行訓練

傳統的BP來處理圖像問題的話因為計算權值太多太大。

網絡的建立要根據數據的大小來建立。 
求解權值得過程類似於求解方程組的過程，有1億個權值要多少個數據量要多少樣本？ 
最好是權值得5-30倍。 一般說來數據量越大越好。

CNN的崛起

感受野

CNN的牛逼之處在於通過感受野和權值共享減小了神經網絡需要訓練的參數個數。 

權值共享

權值共享指的是同層某些神經元之間的連接權值是共享的，局部感知指的是神經元之間的連接並非是全連接，是局部的。這兩個特點能夠極大減少連接權值的數量，降低模型復雜度。

 

存在問題-解決方案

• 邊緣過度不平滑（重采樣的方法來解決這個問題） 
• 濾波器太單一（采集圖片的一些特征，不同的濾波器采集不同的特征）

參考：https://blog.csdn.net/hduxiejun/article/details/53427682