卷积神经网络概述-卷积层

卷积层（convolutional layer）

1.卷积核（convolutional kernel）

卷积层的功能是对输入数据进行特征提取，其内部包含多个卷积核，组成卷积核的每个元素都对应一个权重系数和一个偏差量（bias vector），类似于一个前馈神经网络的神经元（neuron）。

卷积层内每个神经元都与前一层中位置接近的区域的多个神经元相连，区域的大小取决于卷积核的大小，在文献中被称为“感受野（receptive field）”，其含义可类比视觉皮层细胞的感受野 。卷积核在工作时，会有规律地扫过输入特征，在感受野内对输入特征做矩阵元素乘法求和并叠加偏差量

什么是卷积操作呢？具体的步骤如下：
1.在图像的某个位置上覆盖滤波器；
2.将滤波器中的值与图像中的对应像素的值相乘；
3.把上面的乘积加起来，得到的和是输出图像中目标像素的值；
4.对图像的所有位置重复此操作。

这个3x3滤波器，通常称为垂直索伯滤波器（Sobel filter）：

用它来处理知名的Lena照片会得到什么：