作者：YJango
日本會津大學|人機互動實驗室博士生
量子位 已獲授權編輯釋出

該文是對卷積神經網路的介紹，並假設你理解前饋神經網路。

如果不是，強烈建議讀完《如何簡單形象又有趣地講解神經網路是什麼？》這篇文章後後再來讀該篇。

推薦文章連結：

https://www.zhihu.com/question/22553761/answer/126474394

下面進入正題，開始我們的卷積神經網路之旅——

目錄

• 視覺感知

  • 畫面識別是什麼

  • 識別結果取決於什麼

• 影象表達

  • 畫面識別的輸入

  • 畫面不變形

• 前饋神經網路做畫面識別的不足

• 卷積神經網路做畫面識別

  • 區域性連線

  • 空間共享

  • 輸出空間表達

  • Depth維的處理

  • Zero padding

  • 形狀、概念抓取

  • 多filters

  • 非線性

  • 輸出尺寸控制

  • 矩陣乘法執行卷積

  • Max pooling

  • 全連線層

  • 結構發展

• 畫面不變性的滿足

  • 平移不變性

  • 旋轉和視角不變性

  • 尺寸不變性

  • Inception的理解

  • 1x1卷積核理解

  • 跳層連線ResNet

視覺感知

一. 畫面識別是什麼任務？

學習知識的第一步就是明確任務，清楚該知識的輸入輸出。卷積神經網路最初是服務於畫面識別的，所以我們先來看看畫面識別的實質是什麼。

先觀看幾組動物與人類視覺的差異對比圖。

1. 蒼蠅的視覺和人的視覺的差異

2. 蛇的視覺和人的視覺的差異

△ 更多對比圖請參考http://chuansong.me/n/2656056

通過上面的兩組對比圖可以知道，即便是相同的圖片經過不同的視覺系統，也會得到不同的感知。

這裡引出一條知識：生物所看到的景象並非世界的原貌，而是長期進化出來的適合自己生存環境的一種感知方式。蛇的獵物一般是夜間行動，所以它就進化出了一種可以在夜間也能很好觀察的感知系統，感熱。

任何視覺系統都是將影象反光與腦中所看到的概念進行關聯。

所以畫面識別實際上並非識別這個東西客觀上是什麼，而是尋找人類的視覺關聯方式，並再次應用。如果我們不是人類，而是蛇類，那麼畫面識別所尋找的f就和現在的不一樣。

畫面識別實際上是尋找（學習）人類的視覺關聯方式