卷积神经网络

卷积神经网络（Convolutional Neural Network，CNN或ConvNet）是一种
具有局部连接、权重共享等特性的深层前馈神经网络．
卷积神经网络最早主要是用来处理图像信息．在用全连接前馈网络来处理
图像时，会存在以下两个问题：
（1）参数太多：如果输入图像大小为100 × 100 × 3（即图像高度为100，宽
度为 100 以及 RGB 3 个颜色通道），在全连接前馈网络中，第一个隐藏层的每个
神经元到输入层都有 100 × 100 × 3 = 30 000 个互相独立的连接，每个连接都对
应一个权重参数．随着隐藏层神经元数量的增多，参数的规模也会急剧增加．这
会导致整个神经网络的训练效率非常低，也很容易出现过拟合．
（2）局部不变性特征：自然图像中的物体都具有局部不变性特征，比如尺
度缩放、平移、旋转等操作不影响其语义信息．而全连接前馈网络很难提取这些
局部不变性特征，一般需要进行数据增强来提高性能．

池化<=>下采样