机器学习之卷积神经网络（自用学习笔记）

引入

卷积神经网络（CNN）主要应用于计算机视觉，用于识别图像。它总共可以分成四个结构

输入层 ，卷积层 ，池化层 ，全连接层 。

详细介绍CNN

1）输入层

与普通神经网络类似，但普通神经网络输入可能是一个N维向量，卷积神经网络输入通常是二维或三维的矩阵。例如，若传入的是某图像的灰度图，那么输入层就是一个m*n*1的三维矩阵，每一个输入都代表对应位置的灰度值；如果传入的是一个RGB三通道图像，那么输入层就是一个m*n*3的三维矩阵。

2）卷积层（核心）

卷积层工作原理：

我们先考虑灰度图：

 比如我们想识别一个图像是X还是O，但要求不管图像是否出现旋转、剪切、增厚，我们都能够识别出它，应该怎么做呢？

计算机的方法是选取X的几个特征，也就是卷积核，再在被识别的图像中尝试提取出这些特征。