第 8 章 卷积神经网络

8.1 CNN概述

卷积神经网络（Convolutional Neural Network，CNN）常被用于图像识别、语音识别等各种场合。它在计算机视觉领域表现尤为出色，广泛应用于图像分类、目标检测、图像分割等任务。

卷积神经网络的灵感来自于动物视觉皮层组织的神经连接方式，单个神经元只对有限区域内的刺激作出反应，不同神经元的感知区域相互重叠从而覆盖整个视野。

CNN中新出现了卷积层（Convolution层）和池化层（Pooling层），下图是一个CNN的结构：

• 卷积层用于提取输入数据的局部特征。
• 池化层用于降维，增强鲁棒性并防止过拟合。
• 全连接层用于整合特征并输出结果。

8.2 卷积层

在全连接层中，相邻层的神经元全部连接在一起，输出的数量可以任意决定，但是却忽视了数据的形状。比如，输入数据为图像时，图像通常是长、宽、通道方向上的3维数据，但是向全连接层输入时却需要将其拉平为1维数据，这种情况下3维形状的数据中的空间信息可能被全连接层忽视掉。

而卷积层可以保持数据形状不变，即接收3维形状的输入数据后同样以3维形状将数据输出至下一层。在CNN中，卷积层的输入输出数据也称为特征图（feature map）。

8.2.1 卷积运算

卷积层对数据进行卷积运算，卷积运算相当于图像处理中的滤波器运算。

对于输入数据，卷积运算以一定间隔滑动卷积核的窗口并应用。将各个位置上卷积核的元素和输入的对应元素相乘，然后再求和（也称为乘积累加运算、矩阵的内积）。

CNN中，卷积核的参数对应之前的权重。并且CNN中也存在偏置。

8.2.2 填充

在进行卷积层的处理之前，有时要向输入数据的周围填入固定的数据（比如0），这称为填充（padding）。例如，对形状为4×4
的数据进行幅度为1的填充，即用幅度为1、值为0的数据填充周围：

8.2.3 步幅

应用卷积核的位置间隔称之为步幅（stride）。

之前的例子中步幅都为1，下面我们进行步幅为3的卷积运算：