卷积层的概念

前言

这篇文章建议有一定基础，知道深度学习中各种层都做了什么，但是对其概念较为模糊的朋友。

卷积

---

       一句话解释：通过一个卷积核抽取出图像中的特征。

    什么是卷积核：

       卷积核本质上来说是一个矩阵，常见的有3x3或者5x5大小，其功能类似于传统图像处理中的滤波器中的模板，比如高斯滤波其也可以看做是一个高斯卷积核进行卷积操作。

    什么是卷积：

        卷积就是利用卷积核，对图像进行逐行（或者跨行，根据参数而定）扫描，最终提取出图像中的特征。卷积操作其功能类似于传统图像处理中的滤波，整体来说，一个卷基层本质上就是一个滤波器。

卷积操作示意图

    卷积到底在做什么：

        上文我们已经说了卷积和滤波本质上是一样的，那么在深度学习中的卷积层为什么不用个高斯滤波或者别的滤波器代替呢？卷基层到底在做什么？

        神经网络中的卷积层最关键的就是卷积层中的卷积核参数是经过’学习‘得来的，而不像比如高斯滤波器那样卷积核是固定的，这样就可以通过在神经网络中加入大量的卷积层并且经过神经网络的自我学习从而得到能够抽取到各种特征的卷积层。