CNN---卷积神经网络

为什么CNN常用于图像的识别？

　　同样的pattern，在image里面，他可能会出现在image不同的部分，但是它们代表的是同样的含义，同样的形状，也有同样的neural，同样的参数，detector就可以侦测出来。

　　做Subsampling使图片变小对影响辨识没什么影响

 整个CNN实现的过程为：

 

---

 CNN---Convolution

　　用3*3的矩阵，从左上角开始，与filter1做内积，得到一个值，然后根据stride参数移动相应的距离，然后接着做内积，直到3*3的矩阵移到右下角。

会有很多的filter，当通过很多的filter以后，我们把它叫做 feature map。

 

　　上边介绍的都是灰度图像，那么对于彩色图像呢？彩色图像就是由RGB组成的，是一个立方体，所以此时filter也是一个立方体。

convolution 其实就是fully connected 去掉一些weight的结果。

filter内部的数值即为connect对应的权值weight。

 

CNN – Max Pooling

将image缩小，分区，选取最大的。

Flatten

 flatten就是将数据拉直。

 CNN in Keras

What does machine learn?

 

What does CNN learn?

 

 

 Deep Dream

将原本像某物的地方更加夸大。

 

 

Deep style

More Application--Playing Go

More Application---Speech

参考：https://blog.csdn.net/soulmeetliang/article/details/73188417