大白话讲解卷积神经网络工作原理

卷积神经网络是用在计算机视觉，是人工智能的一个分支，计算机视觉就是告诉计算机如何理解图像，比如人脸识别、自动驾驶等

卷积神经网络是一个函数，或者说是一个黑箱，有输入和输出，输入就是一个二维的像素阵列（图片），输出就是图片的类别。哪怕图片经过平移、缩放、旋转、和局部加厚或者说是整体加厚，依旧不会误导计算机，其鲁棒性和抗干扰性很强

虽然图像可能经过了某些变换，但是他依旧保留了原图中的某些特征

卷积运算

• 绿色表示原图像上的像素
• 黄色表示卷积核
• 对应相乘再相加，得到一个新的矩阵叫做feature map

池化（pooling、下采样）

• 作用是将得到的feature map进行缩小，减少数据量，减少数据量就意味着要牺牲一部分信息，但是是在可接受的范围内
• 两种池化操作：max pooling（将区域中最大的值用来代替整个区域）、average pooling（将区域中所有元素的平均值用来代替整个区域）
• 一般使用max pooling，它能在保持原图特征的同时，还能够将图片的尺寸降下来
• 在图片边缘如果像素不够的时候一般会使用padding进行补零操作

正则化（normalization）

ReLU

• 利用ReLU（修正线性单元）激活函数将矩阵中的负数全部置零
• ReLU函数的性质，x < 0 时，y = 0；x > 0 时，y = x

全连接层

• 与前一层的每一个神经元都相连