卷积神经网络ConvolutionalNeuralNetworks(CNN)摘要.docxVIP

卷积神经网络 Convolutional Neural Networks（ CNN ） 一、什么是卷积 首先回顾一下，数字图像处理中我们用卷积模板和原始图像的像素卷积。过程如下： Step 1、先将模板旋转 180 度（又称折叠） Step 2、然后让模板依次和原始图像重叠，并且计算重叠部分的数值乘积之和 以 2D为例 先对模板 K 做折叠，然后依次覆盖图像 I ，并且计算重叠部分的数值乘积之和 依次进行到最后，会多出一圈，得到最后的卷积结果 卷积的意义（图像处理而言） ；对图像使用不同的卷积模板，对图像做不同的处理。比如平滑模板可以使图像模糊，并且可以减少噪声、锐化模板可以使图像的轮廓变得清晰。 二、卷积网络的结构 2.1 从 BP 网络到卷积网络 回想一下 BP 神经网络。 BP 网络每一层节点是一个线性的一维排列状态，层与层的网络节点之 间是全连接的。这样设想一下，如果 BP 网络中层与层之间的节点连接不再是全连接，而是局部连接的。这样，就是一种最简单的一维卷积网络。如果我们把上述这个思路扩展到二维，这就是我们在大多数参考资料上看到的卷积神经网络。具体参看下图： 图 1：全连接的 2D 网络（ BP 网络） 图 2：局部连接的 2D 网络（卷积网络） 现在我们考虑单隐层结构， 上图左：全连接网络。如果我们有 1000x1000 像素的图像，有 1 百万个隐层神经元，每个