卷积神经网络如何识别图像

图像在计算机中的表现形式为三维矩阵，人无法从具体的数值中获取图像的内容。计算机却能够从数值中找出相似或者相近的数值，并将其归属为同一类（可由程序员制定类别）。

同理，在深度学习的过程中，工作人员将所有识别的对象划分为具体的类别，在图像数据集中标注出来。卷积神经网络通过卷积核不断提取特征，并与标注过的目标，做卷积操作之后的特征进行对比。然后从概率的角度判断，如果比较接近，则为同一类：反之，不为同一类。在整个过程中，工作人员无法理解其中的特征。

因此，卷积核（集）可看作图像的特征向量（集），从一张图像的三维矩阵中，识别出目标的向量。反向传播的过程，就是求解该特征向量（集）的过程。

记录一下心得。

参考博客：

https://blog.csdn.net/weixin_42078618/article/details/83895555