吴恩达深度学习课程四：卷积神经网络（学习笔记）

 1.传统边缘检测

实行卷积操作，传统图像边缘检测一般使用卷积操作。

方法为：使用f*f大小的过滤器与输入相乘并累加，通过在输入数据上滑动操作，实现卷积过程。

              可水平检测也可垂直检测，过滤器参数需要手工设定，检测能力有限。

2.卷积神经网络

分为：卷积层、池化层、全连接层和分类器.

特点：将过滤器中参数作为变量，与输入进行卷积操作，从而学习输入图片中特征。

卷积操作:相当于用f*f的滤波器与输入相乘，输入通道与滤波器相同，输出通道为滤波器使用个数;

卷积操作中参数有:f，p，s，n，可以计算出输出层大小，池化操作类似，也有p和s，一般有最大池化和平均池化（输入尺寸、通道，滤波器尺寸，填充，步幅）;

全连接:输出大小为n*n*nc。

通过softmax进行分类;

为何用卷积:1.参数共享，相比全连接参数少得多，因用卷积操作可以参数共享，只需要设置滤波器的参数，可以有效提高学习效率。2.稀疏连接，每一个输出点只依赖输入值得一小部分，降低过拟合影响。

问题:参数计算;卷积操作如何实现分类？独热编码？
复杂网络问题:vgg,inception,resnet，
物体识别:rcnn，fast～rcnn，faster~rcnn,yolo