keras从入门到放弃(十二）卷积神经网络

卷积神经网络

卷积是指将卷积核应用到某个张量的所有点上，通过将 卷积核在输入的张量上滑动而生成经过滤波处理的张量。

介绍的目标识别与分类，就是在前面问题的基础 上进行扩展，实现对于图像等分类和识别。

实现对图像的高准确率识别离不开一种叫做卷积神经网络的深度学习 技术

卷积神经网络主要应用于计算机视觉相关任务，但它能处理的任务并 不局限于图像，其实语音识别也是可以使用卷积神经网络。

CNN由输入和输出层以及多个隐藏层组成，隐藏层可分为卷积层，池化层、RELU层和全连通层。

• 输入层

CNN的输入一般是二维向量，可以有高度，比如，RGB图像

• 卷积层

卷积层是CNN的核心，层的参数由一组可学习的滤波器（filter）或内核（kernels）组成，它们具有小的感受野，延伸到输入容积的整个深度。 在前馈期间，每个滤波器对输入进行卷积，计算滤波器和输入之间的点积，并产生该滤波器的二维激活图（输入一般二维向量，但可能有高度（即RGB））。 简单来说，卷积层是用来对输入层进行卷积，提取更高层次的特征。