参考知乎文章:卷积神经网络(CNN)详解 - 知乎 (zhihu.com)
下面是精炼版本。
1、卷积神经网络结构
卷积核大小:n*n,一般采用3*3
与常规神经网络不同,卷积神经网络的各层中的神经元是3维排列的:宽度、高度和深度。宽度和高度是很容易理解的,深度是卷积核的个数。
图1 全连接神经网络与卷积神经网络的对比
2、构建卷积神经网络的各种层
卷积神经网络主要由这几类层构成:输入层、卷积层,ReLU层、池化(Pooling)层和全连接层。
2.1 卷积层
卷积层作用:
1. 网络会让滤波器学习到当它看到某些类型的视觉特征时就激活,具体的视觉特征可能是某些方位上的边界,或者在第一层上某些颜色的斑点,甚至可以是网络更高层上的蜂巢状或者车轮状图案。
2. 可以被看做是神经元的一个输出。神经元只观察输入数据中的一小部分,并且和空间上左右两边的所有神经元共享参数(因为这些数字都是使用同一个滤波器得到的结果)。
3. 降低参数的数量。这个由于卷积具有“权值共享”这样的特性,可以降低参数数量,达到降低计算开销,防止由于参数过多而造成过拟合。