CNN和ResNet

一、卷积神经网络

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 。

卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（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）” 。

二、人工神经网络

神经网络的基本模型

卷积层

卷积层被称为过滤器或者内核或者卷积核，通过卷积操作对输入图像进行降维和特征抽取。

对输入图像核滤波矩阵做内积的操作就是卷积。

可以用来提取图像中的局部特征

卷积层计算

池化层

池化只是在二维数据上操作的，因此不改变通道数。对于多通道的输入，这一点和卷积的区别不大。不同于卷积层⾥计算输⼊和核的互相关性，池化层直接计算池化窗