此CNN非彼CNN

卷积神经网路 (Convolutional Neural Network)，通称CNN，

是一个在电脑视觉领域中，接触到神经网路模型，

一定会听到或用到的一个网路架构。

在理解孪生网路与实际应用之前，先来快速了解蹶积神经网路吧！

本文开始

卷积神经网路

顾名思义，是由卷积 (Convolution)这个功能组成的神经网路。

那什麽是卷积？

对两个同样大小的矩阵的每个对应位置求乘积，最後再求总和

因此如果是两个3 x 3的矩阵做卷积，就会得到1个结果；

如果是一个5 x 5的矩阵与3 x 3的矩阵做卷积呢？

答案是一个3 x 3的矩阵

用图来看就长这样：

reference: towards: Intuitively Understanding Convolutions for Deep Learning

那这个能做什麽呢？

• 图片做平滑或模糊处理
• 图片做边缘检测
• 在各种影像处理工具中做锐化处理
• 影像去杂讯

也因为卷积可以做出这些影像处理，反过来说，我们可以让神经网路"学习"如何去做这些图片操作与辨别。

CNN已经有专业邦友的介绍了，这里就不多加阐述。

由於CNN只是一个神经网路架构概念，在这个概念下的神经网路有 (依照年代前後)：

• LeNet
• AlexNet
• GoogLeNe
• VGGNet
• ResNet
• GooLeNet

...等等不胜枚举。

当然，我们也会选一个CNN来作为实作我们的孪生网路。

孪生网路

回到孪生网路，昨天提到孪生网路 (siamese networks)是一种神经网路架构，

它的架构大概可以用下面的图来说明：

透过结合两个一模一样的CNN网路，彼此在训练过程会共享权重(weights)，可以得到一个模型用来

• 输入两张照片
• 输出一个值用来判断这两个输入的照片是否相似

这也就是明天我们要用的孪生网路做人脸辨识的做法罗！