卷积神经网络（CNN）——学习笔记

是什么

卷积神经网络（CNN）也是一种网络结构的数学模型，擅长于于图像处理，并且默认的输入是图像。

其特点有：

能够有效提取图像特征——卷积操作

能够将大数量级的图像降维为小数量级——池化操作

原理

结构

卷积神经网络的结构为：输入层(Input)、卷积层(Conv)、池化层(Pool)、全连接层(FC)、输出层(Output)

图1 ^[3] 卷积神经网络结构

输入层通常为图片。

卷积层对图片进行特征提取。

池化层对数据进行降维。

全连接层就是隐藏层。

输入层、隐藏层、输出层是神经网络的通用结构。

FC到Output的过程同神经网络的隐藏层和输出层——通过对数据进行权重矩阵相乘(还有偏移量的相加)最后经由输出层最终计算得出结果。

什么是卷积层

卷积层是卷积核对原图像进行卷积操作的一层结构。

卷积操作：设定一个卷积核（矩阵），然后对原图像的像素矩阵进行运算。