卷積神經網絡的一些細節思考（卷積、池化層的作用）

卷積神經網絡由卷積核來提取特徵，通過池化層對顯著特徵進行提取，經過多次的堆疊，得到比較高級的特徵，最後可以用分類器來分類。這是CNN的一個大概流程，其具體實現的結構是豐富多樣的，但總的思想是統一的。 CNN整個的計算過程，最重要的有兩點：組合性和局部不變性（平移、旋轉、尺度放縮）。 組合性： 每個卷積核可以看做某種特徵的提取器。所謂組合性就是將卷積核提取的一些簡單特徵進行組合，得到更高級的特徵。比

>>阅读原文<<