CNN卷积神经网络原理

这篇文章属于总结性文章，文中引用了其他博主的概述和图片，如有不妥，请联系删除。

1、机器识图

当人看见一张图片时可以直观的看出图片里面的具体信息到底有上面，但是机器也是一下子就可以识别图片的吗？当然不是！机器需要将图片切分成很多个小块，然后从每一个小块中提取某些低级特征，然后再在取得的低级特征再次提取中级特征，然后再提取高级特征。这些提取特征过程都是抽象化的，因为你很难用语言描述出机器到底提取了什么特征。提取完特征以后就需要把特征全部联合在一起然后判断出图片描述的到底是什么东西
下面这张就是提取特征的过程。

二、卷积伸进网络原理

完成上面特征提取的过程就需要用到CNN（卷积神经网络），CNN识别图片一般包括：

1. 卷积层提取特征
2. 池化层提取主要特征
3. 在全连接层汇总各个特征
4. 分类器进行预测识别

卷积层原理

明确一点，图片不仅有宽和高，还有厚。灰度图厚度为1，彩色图厚度为3。其中厚度一般被描述为图片的通道数（channels）

此彩色图的通道数为3。
下面就是就是有红绿蓝三颜色通道的直观图

同理灰度图，但是只有一个颜色通道