初识卷积神经网络（CNN）

     研究生的第一篇Paper是关于CNN的，为了能够理解这篇paper，在网上找了很多关于CNN的文章：

1. Stanford的CNN介绍：斯坦福cs231的CNN课程、
2. C3D：C3D: Generic Features for Video Analysis、
3. Medium论坛：medium上的CNN基础架构理解、
4. stack问答：filter数量与什么有关 、
5. IEEE Paper：3D卷积，人体姿态检测……等等。

      找的这些东西虽然确实也挺有帮助，但是我发现，就一个2-D CNN来说里面都有太多概念：receptive fileld、filter、weight、depth、channel、input feature map、pooling、FV……；另外还有，常见的网络结构：AlexNet，ResNet，FCN，MXnet，Faster-RCNN、计算机视觉的顶级会议：CVPR、ECCV、ICCV（计算机视觉顶级会议和期刊）、以及增加时间维度用于视频中动作识别的3-D卷积……等等。不过，总算整理出来了。

认识CNN（Convolutional Neural Network）卷积神经网络基本知识：

1 首先CNN的输入、输出是什么？

CNN网络的输入是一张图像，输出是一个类别 

比如，有一张汽车的图像，把这张图片输入到CNN网络中，CNN网络出来就是一个类目名：Car：

2 CNN网络又是什么？

图中就是一个基础的CNN网络结构，其中有：卷积层（Convolutional layers），全连接层（Fully-connected layers），接了池化层（Pooling layers）和激活函数（Activation Functions）

当然，上面只是梳理了CNN网络结构中有什么内容，实际的CNN网络不会这么简单。

以AlexNet为例，看CNN网络结构。

下图即为AlexNet结构：