PythonAI-卷積神經網路CNN

卷積神經網路

(1) 介紹：
神經網路三大天王NN、CNN和RNN，本文章介紹卷積神經網路(Convolutional Neural Network,CNN)，發明CNN目前為Facebook AI首席科學家被稱為CNN之父，CNN的發明把所有的圖型辨識的演算法幹掉，目前沒有可以比他更準確。當我們利用CNN來訓練辨識貓，CNN會自己找到它有關於貓的特徵，自己去識別．

(2)CNN運作方式
2.1 CNN運作架構
將貓咪像素圖作為輸入神經元，經過Convolution Layer和Pooling Layer擷取圖形特徵值與處理圖形
會先將貓咪圖片轉成一小格一小格的Filter，這些Filter是用來擷取貓身上的特徵值，

2.2 Convolution Layer卷積層
我們會將圖片輸入像素(Pixel)當作輸入的神經元，每個神經元會乘上相同的權重向量(Weight Array)，向量的乘法是做內積，所以由圖片可以看到，將3X3的像素乘以3X3權重值：2*1+1*0+2*1+1*0+4*1+1*0+3*1+1*0+3*1=14．

由左到右，上到下以3X3的區塊遞移計算，最後可以得到一個完整的特徵圖(Feature Map)

我們通常會使用多組Filters(6X6或8X8)去計算出Feature Map，這樣結果會得到原貓咪圖的資料量大很多，如何把這些圖簡化，後來使用一個方法稱為Pooling layer

2.3 Pooling Layer池化層
Pooling Layer層主要的目的是將Filter所得到的Feature Map做簡化，最常用的方法稱為Max-Pooling Layer，將Feature Map以2X2的區塊投票選出最大的值，表示為該區域的特徵值

參考

1. 第5.1講: 卷積神經網絡介紹(Convolutional Neural Network)