李宏毅_深度学习之CNN（Convolutional Neural Network）

1.CNN介绍

1.1CNN的用途

step1：通过判断鸟嘴这一部分图片来判断是不是是鸟类。

step2：两种鸟类公用一个神经元来进行判断，而不用两个不同的神经元。

step3：图像的缩放，将奇数行偶数列像素去除，进行缩放。

1.2 CNN网络架构

不同层实现的功能不同：

2.CNN介绍

2.1 卷积层Convolution layer

2.1.1 卷积层

每一个filter（矩阵）中的值是学习出来的，而不是人为的给定。从左上角开始，假定以1的步长（stride）进行位移先右移在下移，并对每一个矩阵进行运算。


一个网络中拥有大量的filter即不同的矩阵，以filter2为例。这个过程叫做特征映射（Feature Map）

2.1.2 彩色图像

彩色图像是由RGB组成的，因而可以看做是个立方体，相应的filter也是个立方体。

2.1.3 卷积与全连接的比较

卷积就是将全连接中部分的weight拿掉。

卷积为3*3的filter做卷积等同于将像素点平铺后进行运算。如图，各颜色一一对应。

2.2 池化层Pooling layer

2.2.1 max pooling

将矩阵进行划分，取每个的最大值。

其效果为：
每一个filter代表着一个channel

2.3 泛化层flatten layer

Flatten层用来将输入“压平”，即把多维的输入一维化，常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。

3.CNN in Keras

4.CNN原理

5.CNN应用

6.参考资料