[D15] CNN

CNN 是卷积神经网络（Convolutional Neural Network）的简称，在影像辨识的领域中，一定要认识 CNN！

图片出处

如上图所示，CNN 的概念简单来说其实就是做＂两次＂的　Convolution 和 Max pooling，最後再经过两层 fully Connected layer ，这样的组合就是 CNN 的架构了～

Convolution Layer 卷积层

Convolution 的概念我们上一篇有介绍了，就是将原始图片透过特定的 filter 做卷积运算，出来的结果我们称为 feature map。

图片出处

Pooling　Layer 池化层

再来要讲的是 pooling ，在 Pooling Layer 通常采用 Max Pooling，什麽是 Max pooling 呢？ 它的概念很简单：挑出每组矩阵当中的最大值！这样就能提取到影像中每个部分比较重要的特徵，加速收敛并缩小　Feature map　的尺寸！

Max Pooling 主要的好处是当图片整个平移几个 Pixels时，对影像判断上完全不会造成影响，以及有很好的抗杂讯功能。

图片出处

Fully Connected Layer 全连接层

全连接层的工作就是前面的结果平坦化（flatten）後做最後的特徵提取，并且利用最後一层的 FC 当作分类器。也就是说经过几个卷积层和最大池化层之後，最终的分类是通过全连接层完成的。