CNN面试看这一篇就够了

经典的卷积网络结构-LeNet、AlexNet、VGG、ResNet、Inception

1. 计算机视觉

计算机视觉的应用：图片分类、目标检测、人脸识别等。
问题：如果需要处理一张1000×1000的RGB图片，输入到神经网络中，导致参数规模极大，难以训练。
因此就需要卷积计算的帮助。

2.边缘检测示例

卷积运算是卷积神经网络中最基本的组成部分，下面看下如何进行卷积运算。

左边图片如果想让电脑弄清楚里面有什么物体，可能首先需要对垂直边和水平边进行检测。那么如何检测这些边呢，这就需要我们的过滤器了。

要注意一下卷积符号“*”是个重载符号，说完符号和过滤器的结构，下面就来看一下具体怎么运算吧。

这个卷积运算过后会生成一个4×4的矩阵。每一个元素就是过滤器元素与原矩阵对应区域元素的点积。tensorflow中调用conv_forward函数，keras中你会使用conv2D来实现卷积运算。
具体说一下这个过滤器怎么实现的垂直边缘检测？

原始矩阵中0表示灰色，10表示比较亮的部分，经过一次卷积计算之后，计算出来的矩阵左上角的0是由原始矩阵绿色框中的元素计算出来的，30是由红色框计算出来的。右边矩阵中间有一段亮的区域，对应为检测到的垂直边。

3.更多边缘检测内容

卷积运算除了检测垂直，水平边缘，还可以区分正负边，正表示从亮到暗，负表示从暗到亮。
由亮变暗例子：

由暗变亮例子：

水平垂直检测过滤器对比：

亮暗变化结合举例：

其他过滤器种类
Sobel过滤器
$$[\begin{array}{ccc}1& 0& -1\\ 2& 0& -2\\ 1& 0& -1\end{array}\rfloor$$