Agenda
1 卷积神经网络Convolutional Neural Networks,CNN
1.1 前言
卷积神经网络是针对图像的深度学习框架。
1.2 图像转化成矩阵
对于任意的图像,首先要讲其转化成计算机可以识别的对象,也就是矩阵。转化的规则有很多,比如可以根据灰度值。下面我们假设图像可以用这样的矩阵来表示。
1.3 卷积核
为了识别上图的图像,我们需要借助一些特征,比如我们借助下图的特征
上图中的蓝色矩阵是特征矩阵,一般称为卷积核(convolutional kernel或kernel或filter或detector)。
1.4 特征图feature map
有了上图的卷积核,接下来的操作就是用卷积核对目标图像进行扫描。如何扫描呢,就是用卷积核和原图上的相同大小的矩阵对应元素相乘再相加。其实这就是在比较原图和卷积核的相似度,可以这样理解。
以第一个卷积核 ( 1 0 0 1 ) \begin{pmatrix}1&0\\0&1\end{pmatrix} (1001)和图像上的第一个被扫描到的矩阵 ( 0 0 0 1 ) \begin{pmatrix}0&0\\0&1\end{pmatrix} (00