万字长文|如何直观解释卷积神经网络的工作原理？

原文地址：https://mp.weixin.qq.com/s/1y5WD_vRfoSmGPbJ2-e86Q

万字长文|如何直观解释卷积神经网络的工作原理？

2017-07-23  专注报道AI  量子位

作者：YJango
日本会津大学|人机交互实验室博士生
量子位 已获授权编辑发布

该文是对卷积神经网络的介绍，并假设你理解前馈神经网络。

如果不是，强烈建议读完《如何简单形象又有趣地讲解神经网络是什么？》这篇文章后后再来读该篇。

推荐文章链接：

https://www.zhihu.com/question/22553761/answer/126474394

下面进入正题，开始我们的卷积神经网络之旅——

目录

• 视觉感知

  • 画面识别是什么

  • 识别结果取决于什么

• 图像表达

  • 画面识别的输入

  • 画面不变形

• 前馈神经网络做画面识别的不足

• 卷积神经网络做画面识别

  • 局部连接

  • 空间共享

  • 输出空间表达

  • Depth维的处理

  • Zero padding

  • 形状、概念抓取

  • 多filters

  • 非线性

  • 输出尺寸控制

  • 矩阵乘法执行卷积

  • Max pooling

  • 全连接层

  • 结构发展

• 画面不变性的满足

  • 平移不变性

  • 旋转和视角不变性

  • 尺寸不变性

  • Inception的理解

  • 1x1卷积核理解

  • 跳层连接ResNet

视觉感知

一. 画面识别是什么任务？

学习知识的第一步就是明确任务，清楚该知识的输入输出。卷积神经网络最初是服务于画面识别的，所以我们先来看看画面识别的实质是什么。

先观看几组动物与人类视觉的差异对比图。

1. 苍蝇的视觉和人的视觉的差异

2. 蛇的视觉和人的视觉的差异

△ 更多对比图请参考http://chuansong.me/n/2656056

通过上面的两组对比图可以知道，即便是相同的图片经过不同的视觉系统，也会得到不同的感知。

这里引出一条知识：生物所看到的景象并非世界的原貌，而是长期进化出来的适合自己生存环境的一种感知方式。蛇的猎物一般是夜间行动，所以它就进化出了一种可以在夜间也能很好观察的感知系统，感热。

任何视觉系统都是将图像反光与脑中所看到的概念进行关联。

所以画面识别实际上并非识别这个东西客观上是什么，而是寻找人类的视觉关联方式，并再次应用。如果我们不是人类，而是蛇类，那么画面识别所寻找的f就和现在的不一样。

画面识别实际上是寻找（学习）人类的视觉关联方式