机器学习task06卷积神经网络

CNN-卷积神经网络

卷积神经网络（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 卷积神经网络由一个或多个卷积层和顶端的全连通层（对应经典的神经网络）组成，同时也包括关联权重和池化层（pooling layer）

解决了什么问题？

在 CNN 出现之前，图像对于人工智能来说是一个难题，有2个原因：
1、图像需要处理的数据量太大，导致成本很高，效率很低
2、图像在数字化的过程中很难保留原有的特征，导致图像处理的准确率不高

基本原理

典型的 CNN 由3个部分构成：
1、卷积层—提取特征
2、池化层—数据降维，避免过拟合
3、全连接层—输出结果
卷积层负责提取图像中的局部特征；池化层用来大幅降低参数量级(降维)；全连接层类似传统神经网络的部分，用来输出想要的结果。

实际应用场景

1、图像分类、检索
2、目标定位检测
3、目标分割
4、人脸识别
5、骨骼识别