概述

卷积神经网络，Convolutional Neural Network，简称：CNN，仿造生物的 视知觉 机制构建，是一类包含卷积计算且具有深度结构的前馈神经网络

是深度学习代表算法之一

主要用于：

• 图像识别
• 语音识别

为什么用卷积神经识别图像

在之前识别图像时，都是识别28宽28高的图像，比较简单

在真实的应用场景中，很有可能是识别 2000像素宽 * 2000像素高 的图像，经过Flatten后，就是4000000（四百万）

问题：神经网络结构复杂，需要很多神经元参与运算，容易出现过拟合，计算量非常大，所需内存大

解决方法：用 卷积神经网络（CNN）

启发

CNN是从 视觉皮层 得到启发的

简单说：视觉皮层有 小部分细胞 对 特定部分 的视觉区域 敏感

例如：一些神经元只对 垂直边缘兴奋，另一些对 水平边缘兴奋

CNN结构

1. 输入层

2. 卷积层
   卷积神经网络（CNN）-卷积层（灰度图）

3. 激活层。
   激活函数：

   • Relu（常用）
   • sigmoid
   • tanh

4. 池化层（下采样，downsampling）。
   卷积神经网络（CNN）-池化层

5. 全连接层
   dense。将前面提取的所有特征用来运算

6. 输出
   sigmoid或者softmax

原文出处：/show_1EF488sE9y2F.html