CNN产生的原因:当使用全连接的神经网络时,因为相邻两层之间的神经元都是有边相连的,当输入层的特征纬度非常高时(譬如图片),全连接网络需要被训练的参数就会非常多(参数太多,训练缓慢),CNN可以通过训练少量的参数从而进行特征提取。
上图每一个边就代表一个需要训练的参数,可以直观的感受到需要训练的参数太多了。
CNN的优点:1.相邻两层神经元部分相连。2.且同一层神经元的w(权重)和b(偏移)是共享的。
卷积:用一个核(矩阵)和图片相乘,相当于进行低通道滤波,因此这个核也被称为滤波器。当对一个图进行卷积,在特定的曲线和周边区域,得到的值很高,在其他区域,值相对较低,因此卷积得到的结果也叫激活图