卷积神经网络
卷积神经网络是指至少在某一层中使用卷积运算来代替矩阵乘法的神经网络,卷积运算的特性决定了卷积神经网络适合用来处理具有网格类型的数据,最典型的数据就是图像,因此卷积神经网络在图像中有着广泛的应用,特别是人脸识别。
卷积神经网络一般由卷积层,池化层和最后输出的全连接层组成。其待学习的参数在于卷积核与全连接层中。卷积神经网络的作用是逐层提取输入对象的特征。
什么情况下能用卷积神经网络呢,某一目标只看局部就可以判断,并且具有可平移性,且相对位置关系比较重要时,卷积神经网络的特性就比较适合。因为其具有的稀疏感知性,平移不变性,及参数共享性可帮助其识别这些目标。