卷积神经网络入门

卷积神经网络入门

卷积神经网络日常应用

1. 图片分类，如猫狗分类等
2. 目标识别 (无人驾驶汽车识别)
3. 风格迁移

旧神经网络缺点

图片尺寸过大，所需维度太高。

名词解释

convolution 卷积
edge detection 边缘检测
filter 滤波器

边缘检测

使用垂直滤波器(vertical filter)，和水平滤波器（horizontal filter）对原图处理得到边缘图片。

填充 padding

卷积边缘有可能卷积不到，加边缘可以把周围也卷积到。
n+2p-f+1 = n
可以使输入输出维度相同
n原图尺寸 p 填充尺寸 f滤波器尺寸。

卷积步长

滤波器一次走过的长度，水平方向和垂直方向都是按照步长来行走。
(n+2p-f)/s+1 round down向下取整
s卷积步长

3D卷积

通道（channels）数量（RGB是三通道） 滤波器必须和原图相同

用了几个卷积块 ，最后生城的就是几通道的。

总结

第一层是卷积层，用于提取特征信息。就那几种滤波器，提取出垂直特征，或者水平特征。

信道越来越多，长宽越来越少。有这种趋势。
只有卷积层可以构建好的模型，不过习惯于后面又池化层和全连接层。

池化层（Pooling layer）

取最大值来代表特征。这个比较常用。因为之前的卷积的时候提取边缘特征，提取出边缘的值一般都比较大。这样选取最大值会把这些特征提取出来。可以缩小图片。

全连接层

将卷积或池化的最后一层展开成一条向量。然后应用全连接。最后可有softmax输出。

为什么选择卷积

如果直接选择全连接。会非常非常大。363610 * 323210 有这么多个参数。