卷积神经网络CNN

图片分类

cat or dog?
全连接网络参数过多（尤其是对于尺寸大的图片而言）以及由于目标对象位置不一定在某一个特定区域内的，而全连接网络不能分辨对象在不同位置时候的情况，所以就有了卷积神经网络。

卷积神经网络

卷积神经网络（Convollution Neural Network, CNN）是深度学习技术中极具代表性的网络结构之一，在图像处理领域取得了极大的成功。

卷积层

泛函分析中，卷积（convolution）是通过两个函数f和g生成第三个函数的一种算子，表征函数f和g经过翻转和平移的重叠部分的面积。
深度学习中，卷积的操作是在两个矩阵间进行的，并且不需要翻转。



局部感受野的结构特点能够帮助CNN识别图像中的空间信息，另一方面卷积神经网络中权值共享（shared weights and biases）的方式能够有效减少训练参数。

池化层

卷积神经网络另外一个重要的结构就是池化层，通常放在卷积层后用于对输出数据进行下采样，来简化卷积层中输出的信息。

卷积层+池化层

平移不变性

CNN特点

• 共享权值和偏差、池化的使用能够有效的减少训练参数
• 卷积层的层次特点能够帮助很好的提取图片特征
• 具有平移、缩放、扭曲不变性
• 计算量相对于全连接神经网络要少很多