三分钟了解卷积神经网络(CNN)

三分钟了解卷积神经网络（CNN）

卷积神经网络是应用最为广泛的神经网络之一。虽然主战场是图像识别，但是在自然语言处理和语音识别等领域也有着不俗的表现。而在图像识别中，在一些测试中，其表现甚至超越人类。现在我们一起快速了解一下神奇的卷积神经网络。

卷积神经网络分成三个主要部分，分别为：卷积层（convolution layer），池化层（pooling layer） 和 全连接层 （fully connected layer）。

全连接层：

全连接层简单的说就是将层间所有神经元两两连接在一起。如下图所示。每一个神经元代表每一层的输入（蓝色数字）和输出(红色数字)。两者之间的线上的数字(黄色数字)，代表权重。最后还要加上偏差（绿色数字）。运算法则是所有输出乘以权重，然后再加上偏差，得到输出。例如第一行的输出4，是由 ( 1 X 1+ -1 X-2 ) + 1得到。通过这样一层一层（一列一列）的迭代，最后我们就有了整个全连接层的输出y1, y2。

卷积层：

卷积层的思想是，与其像全连接层的每一个输出神经元连接每一个输入，对于输入较多的情况，参数过多效率低下。我们选择每一个输出神经元只链接一个区域的输入，如下图所示。

不仅如此，在每个区域中权重（下图蓝色框内数字）的大小是相等的。

具体运算过程如下。输入（红色框内）与权重对位相乘法1 X 1 + 1 X 1 + 0 X 0 + 0 X 1 = 2，得到第一个输出值2（紫色框）。

接下来，我们将输入向左移动一格，继续作以上运算 1 X 1 + 1 x 1 + 0 X 0 + 1 X 1 = 3，得到第二个输出值3。当向右移动到达某一排末尾时。向下移动一格到达下一排，并且向左回到排的首列，再继续下一次运算。按照以上规则，遍历整个输入。得到下图中的输出图。

池化层：

池化层的存在主要目的是除去冗杂信息，增加运算效率。运算法则很简单，直接将每四个相邻输入里面最大的值保留，而删去其他值。如下图所示，在绿，棕，红，蓝四个2X2的区域中，我们只选择其中最大的值保留，得到输出结果。

总览：

一个完整的卷积神经网络由以上三个主要板块构成。下图是一个识别手写英文字母的卷积神经网络。是由 卷积层 + 池化层 + 卷积层 + 池化层 + 全连接层 这样的结构组成。

以此为例，我们的输入是由像素点转化成的数字（比如灰度），如果是32 X 32 大小的图，那就有

1024 个的输入，最后有26个输出，26个数字，对应被识别为每一个英文字母的概率。而概率最大的，即是识别结果。

对于具体的训练方法达到以上目的，在这里不做赘述。感兴趣的朋友，可以持续关注后续更新，在以后文章中，我们将会继续为大家介绍。