卷积神经网络

1.卷积神经网络（CNN）的定义

一般地，我们可以将CNN视为人工神经网络，它是具有专门可以检测或挑选pattern的一些结构。
这种pattern detection使CNN对图像分析非常有用。

如果CNN只是一个人工神经网络，那么它与标准多层感知器或MLP的区别是什么？
它们的区别在于：CNN有隐藏的层，称为卷积层。

2.卷积层

与任何其他层一样，卷积层接收输入，以某种方式转换输入，然后将转换后的输入输出到下一层。
卷积层的输入称为输入通道，输出称为输出通道。
对于卷积层，发生的变换称为卷积运算。卷积运算是深度学习社区使用的术语。在数学上，卷积层执行的卷积运算实际上称为互相关。

3.过滤器和卷积运算

如前面所提到的那样，卷积神经网络能够检测图像中的特征（detect pattern）。
对于每个卷积层，我们需要指定图层应具有的过滤器数量，作为检测特征所用。

4.Patterns

patterns具体是指什么呢？
当我们说过滤器能够检测patterns时，想想在任何一张图片中我们需要获得怎样的信息才能使它被检测出来呢？
边缘，形状，纹理，对象等。这些是我们所说的patterns。

• 边缘
• 形状
• 纹理
• 曲线
• 对象
• 颜色

过滤器在图像中可以检测到的一种模式是边缘，因此该滤波器将被称为边缘检测器。除了边缘，一些过滤器可能会检测角。有些可能检测圆圈，有些检测矩形。这些简单的几何