卷积神经网络的结构细节

一方面是准备复试，一方面是因为毕业设计也是人脸检测的选题，最近想要学习一下这几年比较火的物体检测算法YOLO，参考一个教程想要复现pytorch实现该算法。参考的教程链接: link.
由于教程里面给出了cs231n关于卷积神经网络的介绍:link，我也就看了下，介绍的还是很详细，发现了很多之前并没有了解到的细节，所以记录下来，当做自己的学习笔记，同时也可以监督自己好好学习吧。

卷积神经网络结构细节

卷积神经网络结构

卷积神经网络和传统的神经网络的对比图如图：

如上图所示，一个卷积神经层有三个维度：宽度width、高度height、深度depth。
其实卷积神经网络跟传统神经网络原理没有什么不同，但是针对处理图片数据，由于一张图片包含了许多像素，而且一般来说一张彩色图像数据包含了RGB三个通道，如果仍然使用传统神经网络全连接的结构，则网络的参数过多，难以训练。所以卷积神经网络引入了卷积操作实现参数共享、池化pooling layer减少参数防止模型过拟合以及训练时间过长（也可通过加