卷积神经网络总结

        卷积神经网络具有“局部感受野”，“参数共享”、“重叠池化”和“平移不变”的特征，大大减少了参数规模，能够层次化得提取像素的二维空间特征并且比全连接层组成的网络具有更强的位置鲁棒性。局部感受野是每个神经元仅与输入神经元的一块区域连接，这块局部区域称作感受野。局部连接的思想，也是受启发于生物学里面的视觉系统结构，视觉皮层的神经元就是局部接收信息的。

LeNet它使用的方式是conv1->pool->conv2->pool2再接全连接层。

        卷积是为了提取图像特征，卷积核的数值是通过误差反向传播自己学来的，不是人为给定的，每一个卷积层通道数下都有一个卷积核，通道数不同，卷积核尺寸相同，卷积核内的数值不同。池化是为了缩小图像大小但会保留图像原有的特征，相当于对原图像按一定比例进行放大与缩小，一般是缩小。下采样、池化是几何不变性的根源，平移不变性和变形不变性是神经网络的特征，池化促成这些特征，下采样、池化可以减少参数、防止过拟合。对于定位问题就不能用池化操作，比如googlenet就没有池化操作。