天池零基础入门CV——街景字符识别task3——字符识别模型

学习目标

1. 学习CNN原理和基础
2. 使用Pytorch框架构建CNN模型并完成训练。

卷积神经网络CNN介绍

CNN:Convolutional Neural Networks。卷积神经网络。是一种前馈网络，某层的神经元之和前一层的神经元有关，可以看作一种有向无环图，在很多领域较全连接模型表现得优异，精度和速度也比传统计算学习算法要高。特别是计算机视觉领域，CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。

卷积介绍

要想了解卷积神经网络，首先我们需要对卷积有一定的了解(数学原理不做过多概述)：

首先我们要知道,图片在计算机中是以矩阵形式存储的，所以我们想要对图片进行一些操作,本质上是对矩阵进行操作。

卷积的根本目的是从输入图片中提取特征。卷积用一个小方阵的数据学习图像特征，可以保留像素之间的空间关系。(保留像素之间的空间关系很重要！)。
我们可以考虑，如果在我们在人的面部表情的图片当中，你看到了一个小圆圈,再向外又看到了一圈椭圆的东西，我们就可以断定这是眼睛了，这是我们通过这个范围得出的结果，我们不需考虑这张图片的其他位置是什么样子的。
而卷积核做的其实就是这样一个操作，是特征提取，在底层的卷积操作提取的特征小,比如一条横线,一条竖线；越向深层提取的特征