最后，经过卷积层和池化层处理的数据进入全连接层，全连接层综合这些信息，输出最终的结果。比如 LeNet - 5 这个经典的 CNN 模型，它是专门用来识别手写数字的，通过依次经过输入层、卷积层、池化层、卷积层、池化层、卷积层、全连接层和输出层，成功地实现了对手写数字的识别，为 CNN 的发展打下了坚实基础。在情感分析里，LSTM 先对文本进行预处理，然后把文本转换为词向量序列，接着提取文本中的情感

它结合了多种数据增强技术，如马赛克数据增强（Mosaic Augmentation），通过将四张图像随机拼接在一起进行训练，丰富了训练数据的多样性，提升了模型的鲁棒性；同时，YOLOv3 采用了 Darknet-53 网络作为骨干网络，在保证检测精度的同时，维持了较高的检测速度，成为了当时应用广泛的目标检测算法。NMS 算法会比较所有边界框的置信度，保留置信度最高的边界框，抑制与它重叠度较高的其他