吴恩达《深度学习》第四课第一周笔记

卷积神经网络——卷积神经网络

一、计算机视觉

1.计算机视觉的具体应用：图像识别、目标检测、图片风格转换。在应用计算机视觉时要面临一个挑战：数据输入大。例如：一张画质为1000*1000*3的图片，其所构建的神经网络中输入特征将是300W，这将消耗巨大的内存，因此要处理这样庞大的神经网络，必须使用卷积技术来构建神经网络。

二、边缘检测

1卷积计算：卷积计算作为卷积神经网络的基础，其最基本的运用是在边缘检测中，我们来看看这个卷积过程是如何实现的。

假设左侧6X6的矩阵是图片A，中间的3X3矩阵是卷积计算中的一个重要概念称为过滤器（filter）也称“核”，经过卷积运算后图片A转化成右侧4X4矩阵假设其为图片B，这个过程中卷积计算的重要作用是将较大图片A转化为较小图片B。卷积计算的具体过程如图中绿色字体所示，将过滤器中的元素逐一和图片A最左上角的一个3X3矩阵运算得到图片B第一个值，依次类推。

2.为什么卷积计算可以进行垂直边界检测

我们知道图像是有RGB值组成，值得大小决定了颜色的深浅，因此，我们可以将上图中的三个矩阵转化成具有色彩的图片进行说明这个边界检测的实现过程，如下图。

三、边缘检测（续）

1.从上节可以使用过滤器（vertical）可以进行垂直边缘检测，那么我们可以推出使用过滤器（horizontal）可以进行水平边缘检测，两种过滤器（核）见下图

       </