CNN（卷积神经网络：Convolutional neural network）
一、计算机视觉的应用?
cnn非常普遍地运用在计算机视觉当中（工作室也涉及了很多小牧，在医疗上更多一点）
?二、计算机视觉分类
1.计算机视觉分类主要有四大类：
（a）Image classification（同项分类）
????????图像分类，用于识别图像中物体的类别（如：bottle、cup、cube)
（b）Object localization（目标检测）
????????目标检测，用于检测图像中每个物体的类别，并准确标出它们的位置。
（c）Semantic segmentation（语义分割）
????????图像语义分割，用于标出图像中每个像素点所属的类别，属于同一类别的像素点用一个颜色标识。
（d）Instance segmentation（实例分割）（与语义分割不同的是，实例分割，笼统来说分割地更细一点，它在同一类别的基础上，将每一个对象作为独立的个体来再进行分割，如下图对比所示）
????????实例分割，值得注意的是（b）中的目标检测任务只需要标注出物体位置，而（d）中的实例分割任务不仅要标注出物体位置，还需要标注出物体的外形轮廓。
2. cnn解决的问题
在?CNN?出现之前，图像对于人工智能来说是一个难题，有2个原因：
（1）.图像需要处理的数据量太大，导致成本很高，效率很低（因为:图像是由一个个像素构成的，而像素又由颜色构成，所以像素的画质越高，像素越密，所以数据量大）
（2）.图像在数字化的过程中很难保留原有的特征，导致图像处理的准确率不高
? ? ? ? 解释：像传统的那些算法，在汲取特征的过程中，但不好吧特征给抽象出来，二cnn正好可以解决这两个问题。
?具体如何解决的：
a、能够有效的将大数据量的图片降维成小数据量
b、能够有效的保留图片特征，符合图片处理的原则
三、卷积神经网络（sonvolutional?neural?network,CNN)，是一种专门用来处理具有类似网格结构的数据的神经网络
translation：平移， scaling：缩放， rotation：旋转， weight：增加像素，查询算法，进行图像的一个填充
?2、CNN五层网络结构
? ? ? ?a、 数据输入层/Input?layer?I
? ? ? ? b、卷积层/?CONV?layer?(提取图像中的局部特征)
? ? ? ? c、Relu?激励层/ReLu?layer（激励层又称“激活层”）
? ? ? ? b、池化层/Pooling?layer（降低参数量级）
? ? ? ? e、全连接层/FClayer
3、数据输入层
? ? ? ? 预处理，图片的像素矩阵
4、卷积层（Convolution?Layer）
?????卷积层被称为过滤器(filter)或者内核(kernel)或卷积核。
? ? ?对输入图像和滤波矩阵（恒定的滤波器flter）做内积（逐个元素相乘再求和）的操作就是卷积，也是卷积神经网络的名字来源。
（2）卷积计算
（3）填充值zero-padding（其作用：避免边缘数据的丢失）
?
?????????以10来说，正常情况下，10会被用到四次；但对与13来说，只用到了红色这个框，13被用到了一次。
? ? ? ?a、 边界上填充0值
? ? ? ? b、避免边缘数据丢失
（4）步幅（stride）
? ? ? ? 减少参数的数目，减少计算量
5、激活层
? ? ? ? 神经元：y=wx+b（w：无米伽）——下一个神经元：z=w的平方（wx+b）+b——.....以此类推
? ? ? ? 激活函数（加入非线性因素）
?
（1） 提高模型鲁棒性（抗干扰能力），非线性表达能力，缓解梯度消失问题、加速模型收敛
（2） 将当前特征空间映射转换到另一个空间，让数据能更好的被分类
（3）非线性激活函数
? ? ? ?a、 假若网络中全部是线性部件，那么线性的组合还是线性，与单独一个线性分类器无异。
? ? ? ?b、网络更加强大，学习复杂的事物，复杂的表单数据，从输入输出之间生成非线性映射。
ReU激活函数（非常非常重要，可以直接去网上搜）
6、池化层（Pooling）
?（1）平均池化层（mean pooling）
?（2）最大池化层（max pooling）
（3）目的：（最重要的一块）
?a、使特征图变小，简化网络计算复杂度
?b、特征压缩，提取主要特征
?c、加快计算速度
?d、防止过拟合
推荐文章或视频
?
1、如何理解卷积层和池化层
? ? 卷积层：它是用来提取特征的。其中卷积核为核心，它相当于一个矩阵。
? ? 池化层：它用来减少参数数量。而降低参数的方法就是删除参数。
???查阅的一些相关资料：卷积层与池化层 - 知识天地 - 博客园 (cnblogs.com)如何理解卷积神经网络（CNN）中的卷积和池化？ - 知乎 (zhihu.com)
2、激活函数的作用是什么
? ?（1）在我们面对线性可分的数据集的时候，简单的用线性分类器即可解决分类问题。但是现实生活中的数据往往不是线性可分的，面对这样的数据，一般有两个方法：引入非线性函数、线性变换。
?（2）就是把当前特征空间通过一定的线性映射转换到另一个空间，让数据能够更好的被分类。