【6年人工智能开发】简述卷积神经网络（CNN）

在百度做了6年人工智能方面的编程开发，也有很多这方面的经验吧，从古至今，机器人一直承载着人类巨大的梦想。随着各类传感器、语音交互、机器识别、SLAM等技术的蓬勃发展，机器人开始从科幻作品中走出，走进人们的生活。下面给大家简述一下深度学习方面的卷积神经网络。

 

这几年深度学习快速发展，在图像识别、语音识别、物体识别等各种场景上取得了巨大的成功，例如AlphaGo击败世界围棋冠军，iPhone X内置了人脸识别解锁功能等等，很多AI产品在世界上引起了很大的轰动。在这场深度学习革命中，卷积神经网络（Convolutional Neural Networks，简称CNN）是推动这一切爆发的主力，在目前人工智能的发展中有着非常重要的地位。

【问题来了】那什么是卷积神经网络（CNN）呢？

1、小白一下，什么是神经网络？
这里的神经网络，也指人工神经网络（Artificial Neural Networks，简称ANNs），是一种模仿生物神经网络行为特征的算法数学模型，由神经元、节点与节点之间的连接（突触）所构成，如下图：
 
每个神经网络单元抽象出来的数学模型如下，也叫感知器，它接收多个输入（x1，x2，x3...），产生一个输出，这就好比是神经末梢感受各种外部环境的变化（外部刺激），然后产生电信号，以便于转导到神经细胞（又叫神经元）。
 
单个的感知器就构成了一个简单的模型，但在现实世界中，实际的决策模型则要复杂得多，往往是由多个感知器组成的多层网络，如下图所示，这也是经典的神经网络模型，由输入层、隐含层、输出层构成。
 
人工神经网络可以映射任意复杂的非线性关系，具有很强的鲁棒性、记忆能力、自学习等能力，在分类、预测、模式识别等方面有着广泛的应用。

2、重点来了，什么是卷积神经网络？
卷积神经网络在图像识别中大放异彩，达到了前所未有的准确度，有着广泛的应用。接下来将以图像识别为例子，来介绍卷积神经网络的原理。
（1）案例
假设给定一张图（可能是字母X或者字母O），通过CNN即可识别出是X还是O，如下图所示，那怎么做到的呢
 
（2）图像输入
如果采用经典的神经网络模型，则需要读取整幅图像作为神经网络模型的输入（即全连接的方式