2021-02-04

首先我们从卷积神经网络的来源说起。

第一，卷积，卷积一开始是一个物理概念（公式如图），是两个变量在某范围内相乘后求和的结果，常用来表示两个变量之间的关联。

在图像中，卷积用来反映局部图像与我们需要分辨的特征的关联。我们会让卷积核在整个图像上滑动，如果在图像上某处，得到了相应的特征，那么模型就会自动识别出来。

第二，神经网络，是指利用一层层神经元构建成一个类似大脑结构的模型，从而自动实现端到端的学习。

为什么要用神经网络？因为传统计算机视觉，对图像的理解非常重要，图像的特征有颜色特征、几何特征、边缘特征、局部特征、梯度特征等等，光学这些就需要大量的时间，然后才能学习计算机视觉的一些方法和模型。

而现在用神经网络，只需要输入图片矩阵，网络就可以自动提取图片特征，不但速度更快，学习成本降低，而且模型的鲁棒性更高。

其次，卷积神经网络的基本结构分为卷积层、池化层和全连接层，一般来说，图像会先进入卷积层提取局部特征，增加通道数，从而获得特征图；然后经过池化层，减小特征图的大小，增加训练速度；最后用全连接层进行分类识别。现在各种各样的卷积神经网络，都离不开这三种基本的结构。

最后，卷积神经网络为什么在图像上效果好？这个要从图像识别的一些基本要求说起。

第一，图像是可以缩放的，一张256256的人脸，和一张6464的人脸，都需要识别成人脸，这就对应了卷积神经网络中的池化层，通过池化层，将特征图进行缩放，从而识别不同尺寸的图像。

第二，图像中大部分内容无关紧要，比如我们识别人脸，图像中有大量的背景，这些都是冗余信息，所以我们一开始不使用全连接层，正是因为我们不需要这些冗余信息，我们用一个较小的卷积核，就足以捕获到整张图片中的关键信息。

第三，关键信息在图中的位置可变，比如识别人脸，你不知道人脸在图中哪个位置，可能在左边，也可能在下边，所以你需要通过卷积核滑动，在整个图中探索，设法找到关键信息。那么为什么直接用全连接层效果不好？按原理来说，全连接层学到的东西不会比卷积层更少，这是因为全连接层虽然参数更多，但是也更容易过拟合，考虑太多冗余信息，模型鲁棒性就会下降。

欢迎关注公众号：海林的机器学习课堂
可以向我提问哦~