20181129

卷积神经网络（ConvNets、CNN）笔记

1.卷积（Convolution layer）

通俗讲是一种线性操作——像素矩阵的加法和乘法，不同数量、大小、网络架构的filter在图像上滑动产生特征图(卷积特征)。

2.非线性操作（ReLU）引入非线性部分解释问题。

其他非线性函数sigmoid。

3.池化（Pooling layer）

最大、平均、总和等操作。

4.全连接（FC layer）

卷积+池化是特征提取，全连接是分类。

训练过程：

1.随机初始化所有filter的参数；

2.前向传播步骤（卷积，ReUL，池化和全连接层）；

3.计算输出结果误差；

4.使用反向传播更新所有filter参数；

5.重复2-4；