卷积神经网络基础名词

CNN 有两大特点：

能够有效的将大数据量的图片降维成小数据量。

能够有效的保留图片特征，符合图片处理的原则。

在CNN出现之前，图像的处理对于人工智能来说，是一个难题。有两个原因：

图片需要处理的数据量太大，导致成本高，效率低。

图像在数字化的过程中很难保留原有的特征，导致图像处理的准确率不高。

需要处理的数据量太大：
图片是由像素构成，每个像素又是由RGB三个参数来表示颜色。
比如，一个10001000 像素的图像，就是10001000 个方块，每个方块都是由RGB三个值来表示。

卷积神经网络-CNN 解决的第一个问题就是将复杂的问题简单化，把大量的参数降维成少量参数，再做处理。

更重要的是：在大部分场景下，降维并不会影响结果。比如10001000 像素的图片缩小成200200 的像素，并不影响肉眼认出来图片中是什么物体，机器也是如此。

人类的视觉原理
深度学习的许多研究成果，离不开对大脑认知原理的研究，尤其是视觉原理的研究。

“ 视觉系统的信息处理 ”：可视皮层是分级的。

人类的视觉原理如下：从原