CNN卷积神经网络详解（一）

从神经网络到卷积神经网络

什么是计算机视觉，简单来说，计算机视觉就是让机器能自动地理解图片或视频。随着大数据时代的到来，含有更多 隐含层的卷积神经网络（Convolutional Neural Network），自提出以来就在计算机视觉领域的多个大规模识别任务上取得了令人瞩目的成绩，而传统的神经网络存在的诸多问题也得以有效解决，比如：权值太多，计算量太大；权值太多，需要大量样本进行训练等等。下面我们来证实认识一下卷积神经网络：

一、卷积神经网络

卷积神经网络是一种为了处理二维输入数据而特殊设计的多层人工神经网络，网络中的每层都由 多个二维平面组成，而每个平面由多个独立的神经元组成，相邻两层的神经元之间互相连接，而处于同 一层的神经元之间没有连接。CNN采用了权值共享网络结构使之更类似于生物神经网络，同时模型的 容量可以通过改变网络的深度和广度来调整，对自然图像也具有很强的假设（统计的平稳性和像素的局 部相关性）。因此，与每层具有相当大小的全连接网络相比，CNN能够有效降低网络模型的学习复杂 度，具有更少的网络连接数和权值参数，从而更容易训练。 卷积神经网络保持了层级网络结构，不同层次有不同形式(运算)与功能，如下图：

主要是以下层次：
1. 数据输入层/ Input layer
2. 卷积计算层/ CONV layer
3. ReLU激励层 / ReLU