【深度学习基础】什么是卷积？为什么要用卷积？

（一）卷积的原理：

卷积神经网络是一种前馈型神经网络, 受生物自然视觉认知机制启发而来的. 现在, CNN 已经成为众多科学领域的研究热点之一, 可应用于图像分类, 目标识别, 目标检测, 语义分割等等。

卷积的操作过程跟图像滤波原理相似，都是通过一个小的卷积核（或者叫滤波器）在图像上滑动，利用图像局部信息进行计算：

黄色的区域表示卷积核在输入矩阵中滑动, 每滑动到一个位置, 将对应区域的数字点乘并求和, 得到一个特征图矩阵的元素。

1. 卷积核：

卷积层的功能是对输入数据进行特征提取，其内部包含多个卷积核，组成卷积核的每个元素都对应一个权重系数（卷积核内的数字，相当于w）和一个偏差量（点乘的结果再加上一个偏置值b，图中未体现），类似于一个前馈神经网络的神经元。

在卷积过