卷积神经网络的理解

卷积神经网络较全连接网络主要特点是局部相关和权值共享。局部相关的理论是对于一幅图像的一个像素点P来说，离这个像素点P越近的像素点对其影响也就越大。权值共享：根据自然图像的统计特性，某个区域的权值也可以作用于另一个区域。这里的全职共享说白了就是卷积核共享，对于卷积核将其与给定的图像做卷积，就可以提取一种图像的特征，不同的卷积核可以提取不同图像的特征。

 

卷积网络在图像信息提取方面较全连接网络的好处：不仅可以较少数据量，减少计算复杂度，而且可以更好地获取图像地特征信息。

 

归纳之，卷积的意思就是把一个区域，不管是一维线段，二维方阵，还是三维长方块，全部按照卷积核的维度形状，对应逐点相乘再求和，浓缩成一个标量值也就是降到零维度，作为下一层的一个feature map的一个点的值！

可以比喻一群渔夫坐一个渔船撒网打鱼，鱼塘是多层水域，每层鱼儿不同。

船每次移位一个stride到一个地方，每个渔夫撒一网，得到收获，然后换一个距离stride再撒，如此重复直到遍历鱼塘。

A渔夫盯着鱼的品种，遍历鱼塘后该渔夫描绘了鱼塘的鱼品种分布；

B渔夫盯着鱼的重量，遍历鱼塘后该渔夫描绘了鱼塘的鱼重量分布；

还有N-2个渔夫，各自兴趣各干各的；

最后得到N个特征图，描述了鱼塘的一切！