一、视觉原理
1、1981年大卫.休伯尔，托斯坦.卫泽尔；对猫做实验（1、简单线条2、复杂运动）
2、福岛邦彦（神经认知模型）光---V1----V2----V3
像素点-----边缘方向-----物体轮廓和细节-----信息整合到一起，进行判断物体
3、杨立昆：卷积神经网络CNN（图像识别）
二、卷积神经网络（数学方法提取出图像的特征）
| 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 0 | 1 | 0 | 0 | 0 | 1 | 0 |
| 0 | 0 | 1 | 0 | 1 | 0 | 0 |
| 0 | 0 | 0 | 1 | 0 | 0 | 0 |
| 0 | 0 | 1 | 0 | 1 | 0 | 0 |
| 0 | 1 | 0 | 0 | 0 | 1 | 0 |
| 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 1 | 0 | 0 |
| 0 | 1 | 0 |
| 0 | 0 | 1 |
| 2 | 0 | 1 | 0 | 1 |
| 0 | 3 | 0 | 1 | 0 |
| 1 | 0 | 3 | 0 | 1 |
| 0 | 1 | 0 | 3 | 0 |
| 1 | 0 | 1 | 0 | 2 |
注释：不同的卷积核产生不同的特征，选择卷积核很重要 （上面列子：斜下右上的卷积核对原图像进行卷积，数字越大表示特征越明显333特征明显）
三、池化、激活
特征图
| 2 | 0 | 1 | 0 | 1 |
| 0 | 3 | 0 | 1 | 0 |
| 1 | 0 | 3 | 0 | 1 |
| 0 | 1 | 0 | 3 | 0 |
| 1 | 0 | 1 | 0 | 2 |
| 3 | 1 | 1 |
| 1 | 2 | 1 |
| 1 | 1 | 2 |
选择颜色块区最大的一个值，填写到3x3的表格内，就是池化
激活就用sigmode函数进行激活
| 0.95 | 0.73 | 0.73 |
| 0.73 | 0.95 | 0.73 |
| 0.73 | 0.73 | 0.88 |
激活到（0-1）范围内的值。
四、算法、数据、算力
算力介绍：算力就是计算的效率（芯片）
1、CPU：通用性比较好，cpu就是中央处理器，特点，并行能力差，串行能力好。
（1、并行：同时计算多个加减法2、串行：只能一个一个计算）
2、GPU：（计算机图像投影到屏幕上）代表公司英伟达，专用性比较强，串行能力差，并行能力好，同时计算多个加减法。
3、NPU：神经网络处理器，专用性和并行能力都比GPU强；华为的升腾910NPU处理器。（目前效率最快的人工智能处理器）
