卷积神经网络用于图像识别（一）

近期参与了学校的关于图像识别项目，但是现在不知道如何下手去做，所以先了解一些基础知识，图像识别用到了卷积神经网络，听起来好高大上哇，到底什么是卷积神经网络？上网查了许多资料，理解上仍有偏差，于是，有个小白下决心一定要好好研究研究。

什么是卷积？？？

只看数学符号，卷积是抽象的，但是，我们可以通过现实中的意义，来习惯卷积这种运算。

从数学上讲，卷积就是一种运算。我们称 为 的卷积。

其连续的定义为：

其离散的定义为：

注意到了一点，这两个式子有一个共同特征，就是f(x)与g(y)中的x+y=n,可以这么理解：我们要的到的结果假设为F(n),它是由n来决定的，而n又分为两部分x和y，分别作了两个函数的自变量，这两个函数作用得到了我们想要的结果F(n)，而这个作用的过程就是卷积。

这个特征有什么意义呢？ 

卷积的重要的物理意义是：一个函数（如：单位响应）在另一个函数（如：输入信号）上的加权叠加。

在图像处理过程中用到的是矩阵进行卷积，通俗的理解为：

假设有一个卷积核h，就一般为3*3的矩阵：

有一个待处理矩阵x：

h*x的计算过程分为三步

第一步，将卷积核翻转180°，也就是成为了

第二步，将卷积核h的中心对准x的第一个元素，然后对应元素相乘后相加，没有元素的地方补0。

这样结果Y中的第一个元素值Y11=1*0+2*0+1*0+0*0+0*1+0*2+-1*0+-2*5+-1*6=-16

第三步每个元素都像这样计算出来就可以得到一个输出矩阵，就是卷积结果

 

 

参考：

https://www.zhihu.com/question/22298352

https://blog.csdn.net/qq_32846595/article/details/79053277