从验证码破解谈卷积神经网络

大家先别急着看，我还没有写完，抱歉今天很忙，后面一定会更新。

卷积神经网络（CNN）是一种在计算机视觉领域应用非常广的深度学习框架，我前前后后大概花了一个礼拜的时间，基本上搞懂了CNN的原理，在这里做个记录，也算是分享一下自己的见解。

一 基础知识

1 关于图像

这里说的验证码指的是验证码所在的图片，计算机中的图片都是由一个一个的像素点构成，可以

把像素点看成是组成图片的最小单位，右键windows中的图片，选择属性->详细信息，就可以看到图片的像素信息：

 比如这张图片是600x402个像素点构成，每一个像素点有三个具体的值，值的范围是0到255，值越大该点越亮，三个值指的是红绿蓝三个维度，比如某个像素点值是（255，0，0）表示该点是纯红色。通过公式Rx0.299+Gx0.587+BX0.114可以把三个值映射到一个值，这样构成的图片是灰度图，就是黑白电视机呈现的图片。

三个颜色维度又叫做三通道(channel)，为了简便，下面所有内容基于灰度图，即单通道。

2 卷积

卷积是CNN的核心部分。

上图中黄圈内的像素值如下（矩阵M1)

0	255	0	0
255	0	0	0
255	0	0	0
255	0	0	0

注意到255集中在一个区域，构成的形状和黄色圈中的形状相似。再看一个矩阵M2:

0	1	0	0
1	0	0	0
1	0	0	0
1	0	0	0

把M1和M2做一个矩阵乘法，得到的结果是M3：

255	0	0	0
0	255	0	0
0	255	0	0
0	255	0	0

M2和M1非常相似，M2被称为卷积核（或者滤波器），如果M1不是图中黄色圈内的像素，很可能M1乘以M2的结果非常小。也就是说，卷积核只有和自己非常相似的矩阵相乘，才能得到一个有很多大数字的矩阵，这就是所谓的特征提取。试想一下，把上面的图片分割成很多4x4的像素矩阵，然后分别与M2相乘，只有那些长得和黄色圈内相似的像素矩阵，得到的结果才会是很多大的数字，这样，我们就提取除了所有和黄色圈内图形相同的区域。注意这里，我们用的词还是矩阵相乘，那么什么是卷积呢？

上面是矩阵M3，我们把视角移到这个矩阵的左上角的4x4的子矩阵M4。所谓的卷积，就是把M4和M2（卷积核）相乘，把得到的结果矩阵中的所有元素累加，最终得到一个数字a1。第二步，把M4右边的子矩阵M5和M2相乘，和上面一样处理得到数字a2，后面的步骤就是把这个子矩阵的边框不断右移，然后下移，最终得到的结果矩阵是M6：

a1	a2	a3
a4	a5	a6
a7	a8	a9

我们把整个的过程叫做卷积，即M3和M2卷积得到了矩阵M6，其中的每一次矩阵乘法的区域（M4和M5）又叫做感受野，而卷积的结果M6叫做feature map。

先更新到这里。