计算机视觉的核心——CNN卷积神经网络

——1——

CNN卷积神经网络

卷积神经网络 (CNN) 是一种直接从数据中学习的深度学习网络架构。CNN 对于在图像中寻找以及识别对象特别有用。它对于分类非图像数据（如音频、时间序列和信号数据）也非常有效。

神经网络接受输入图像/特征向量，并通过一系列隐藏层转换，然后使用非线性激活函数。每个隐藏层也由一组神经元组成，其中每个神经元都与前一层中的所有神经元完全连接。神经网络的最后一层（即“输出层”）也是全连接的，代表网络的最终输出分类。

一般卷积神经网络有如下结构：

1. •数据输入层/ Input layer

2. •卷积计算层/ CONV layer

3. •ReLU激励层 / ReLU layer

4. •池化层 / Pooling layer

5. •全连接层 / FC layer

当然卷积层，Relu激