深度学习(2)--卷积神经网络(CNN)

卷积神经网络（Convolutional Neural Networks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。

一.卷积网络基础概念

传统网络是一维的，而卷积网络是三维的。

例如32x32x3的图片，在传统网络中的输入是3072个像素点组合的矩阵，而在卷积网络中则是直接接受该特征图作为输入。

(1). 卷积是为了提取图像特征，通过卷积层，可以自动提取图像的高维度且有效的特征

(2). 池化主要是为了减少卷积层提取的特征个数，增加特征的鲁棒性或是为了降维

二.输入层 

数据输入层的主要目的是对原始图像数据进行预处理，其中包括：

1.去均值：把输入数据各个维度都中心化为0，如下图所示，其目的就是把样本的中心拉回到坐标系原点上。

2.归一化：幅度归一化到同样的范围，如下所示，即减少各维度数据取值范围的差异而带来的干扰，比如，我们有两个维度的特征A和B，A范围是0到10，而B范围是0到10000，如果直接使用这两个特征是有问题的，好的做法就是归一化，即A和B的数据都变为0到1的范围。

原图→去均值→归一化过程

3.PCA/白化：用PCA降维；白化是对数据各个特征轴上的幅度归一化

PCA降维参考资料:

【机器学习】降维——PCA（非常详细） - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/77151308原图→PCA降维→白化过程

三.卷积层