什么是卷积?
卷积:“卷”表示函数的翻转或图像的翻转;“积”表示积分/加权求和。卷积是将卷积核应用到某个张量的所有点上,通过将卷积核在输入的张量上滑动而生成滤波处理的张量。
通俗一点讲卷积是对图像特征提取或者信息匹配。
什么是卷积神经网络?
卷积神经网络:是通过模拟人脑视觉系统,采取卷积层和池化层依次交替的模型结构,卷积层使原始信号得到增强,提高信噪比,池化层利用图像局部相关性原理,对图像进行邻域间采样,在减少数据量的同时提取有用信息,同时参数减少和权值共享使得系统训练时间长的问题得到改善。
一般卷积神经网络包括:输入层---隐藏层---输出层,其中隐藏层由三种网络构成——卷积层,池化层,全连接层。
卷积层:
该层的每个神经元与上层对应的局部感受域相连,通过滤波器和非线性变换来提取局部感受域的特征。当每个局部特征被提取之后,不同的局部特征间的空间关系也就确定。
池化层:
1、对卷积层提取的特征进行降维,2、增加模型的抗畸变能力。
全连接层:
连接层的神经元和传统的神经网络一样是全连接的,模型中一般至少有一层全连接层。
总结:
卷积网络在本质上是一种从输入到输出的映射结果,它能够学习大量的输入与输出之间的映射关系,而不需要任何输入和输出之间的精确的数学表达式,只要用已知的模式对卷积网络加以训练,网络就具有输入输出对之间的映射能力。