卷积神经网络（CNN）

卷积神经网络主要就是应用于计算机视觉（CV）当中！

可以做啥？

检测任务：检测追踪

分类与检索：分类看图像是啥，检索比如说淘宝里面识别一张图片得到类似商品

超分辨率重构

医学任务等

无人驾驶

人脸识别

传统神经网络与卷积神经网络的区别

卷积神经网络拿到一张图像直接进行处理，不需要将图像中的点拉成一维向量；

整体架构

卷积层：提取特征

池化层：压缩特征

卷积

h*w*c

上面的一块小区域的样本点矩阵：

小区域处的权重矩阵：

例：三颜色通道分别计算：

对于相同的数据使用不同的filter可以得到不同的特征图，然后将这些不同的特征图堆叠在一起，可以用不同的filter使得提取的特征更加丰富；

上面生成了一个28*28*6的特征图；

堆叠的卷积层

卷积层设计参数

• 滑动窗口步长

• 卷积核尺寸
• 边缘填充

• 卷积核个数

特征图的个数

长度：H2=

宽度：W2=

池化层

只会改变长和宽，C不变；

最大池化：

还有average池化，但是研究表明，最大池化效果最好；

池化没有涉及到任何矩阵的计算，只是对数据进行了压缩筛选；

感受野

该层的数据是由前面多少个数据参与计算得到的（即感受到的数据）

图中最后的一个红色区域的感受野是5*5；

感受野越大越好！！！