《CNN笔记总结系列之一》简要介绍及输入层

《CNN笔记总结系列之一》简要介绍及输入层

-------本文仅为学习笔记，不做任何商业用途-------

一、卷积神经网络应用

    卷积神经网络在计算机视觉领域有十分广泛的应用，尤其实在图像识别（image classification），物体识别（object recognition），行为认知（action recognition），姿态估计（pose estimation），神经风格迁移（neural style transfer）等。而在人体行为识别领域，针对图像的行为认知研究中，卷积神经网络提取的图像特征被应用于行为分类；在视频的行为认知问题中，卷积神经网络可以保持其二维结构并通过堆叠连续时间片段的特征进行学习、建立沿时间轴变化的3D卷积神经网络、或者逐帧提取特征并输入循环神经网络，三者在特定问题下都可以表现出良好的效果。

二、卷积神经网络简要介绍

    卷积神经网络（CNN）是一种专门用来处理具有类似网格结构的数据的神经网络，例如图像数据可以看作二维的像素网络，是深度学习的代表算法之一。卷积网络是指那些至少在网络的一层中使用卷积运算来代替一般的矩阵乘法运算的神经网络。

    与神经网络关系？

    在我们所学习的神经网络中，它的结构如下所示：

图片来源：https://img-blog.youkuaiyun.com/20180529161432854?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d1dG9uZ3l1dHQ=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
    其实卷积神经