卷积神经网络

卷积神经网络的应用和基本结构

近些年逐渐兴起的人工神经网络结构，在图片和语言识别方面能够给出更优秀的测试结果，因此被广泛应用。

最常被应用的方面是图片识别，经过不断创新，也被应用在了视频分析和自然语言处理以及药物发现等方面上。

 

卷积神经网络如何处理图片：

卷积神经网络：不是对图片上每个像素的处理，而是对图片上每个像素区域的处理。加强了图片信息的连续性，加深了神经网络对图片的理解。
卷积神经网络有一个批量过滤器，持续不断地在图片上滚动收集图片上的信息，每次收集的信息只是图片上的一小块像素区域。然后对信息进行整理，使得神经网络能够看到图片边缘上的信息，然后再用过滤器过滤边缘信息，整理出更高层的信息。

pixel=>edges=>object parts(combination of edges)=>object models
像素=>边缘=>人的五官特征=>识别人脸的模型

以上处理过程中，卷积会丢掉部分内容，所以有了  池化层  

池化（pooling）：卷积不压缩信息，压缩通过池化实现，提高准确性

所以目前经常使用的处理流程是：

常见卷积过程输入，卷积，池化，卷积，池化，两层全连接网络层（fully connected），分类

对应的英文分别是：image     convolution   max pooling    convolution    max pooling    fully connected   fully connected     classifie