卷积神经网络的直观解释（笔记）

原文地址：请戳这里
译文地址：请戳这里

---

这篇博文让我对卷积神经网络有了更好的理解，我把要点整理在这里，供以后回顾：
如果你对神经网络也不是很熟悉的话，请戳这里

---

卷积神经网络（ ConvNets或者CNNs）是神经网络的范畴。

应用领域：图像识别、语音识别、自然语言处理（如语句分类）。可以识别人脸、物体和交通信号，从而为机器人和自动驾驶汽车提供视力。也可以识别场景，提供相关的标签。

---

LeNets架构（1990s）

LeNets是最早的卷积神经网络。
经过多次成功迭代，1998年，Yann LeCun 把这项工作命名为LeNets5。该架构主要用于字符识别，如邮编，数字等。

卷积神经网络如下图所示：

主要有四个操作：

1. 卷积
2. 非线性处理（ReLU）
3. 池化或亚采样
4. 分类（全连接层）

图像是像素值的矩阵

通道：用于表示图像的某种组成。一个标准数字相机拍摄的图像会有三通道 - 红、绿和蓝；你可以把它们看作是堆在一起的深度为3的二维矩阵（每一个通道代表一个颜色），每个通道的像素值在 0 到 255 的范围内。

灰度图像：仅仅只有一个通道，就是一个普通的二维矩阵。矩阵中各个像素的值在 0 到 255 的范围内——零表示黑色，255 表示白色。

卷积

卷积的目的：为了从输入图像中提取特征。卷积可以通过从输入的一小块数据中学到图像的特征，并可以保留像素间的空间关系。

原始图像：