8.2 卷积神经网络

8.2.1 卷积层

卷积神经网络是多层感知机的特殊形式，多了局部相关、平移不变的约束。多层感知机的全连接层是层与层之间全部相互连接，而卷积网络是只在局部感受野上相连接（local receptive fields）。

上图是拥有矩形局部感受野的卷积层。卷积过后的图像会缩小尺寸，为了让不同卷积层有相同的尺寸，通常在边缘填充0：

大尺寸的图像通常计算量比较大，运算缓慢，占更多的内存。为了降低图像的尺寸，可以加大卷积的步长（stride）：

填充0的方式一般称为“SAME”，不填充0的方式称为“VALID”：

不同的卷积核可以看做是一个模板，用来增强图像中的某种规律和特征：

如上图所示，纵向的卷积核突出了纵向的条纹，横向的卷积核突出了横向的纹路。把不同的卷积层堆叠起来，就能不端得到相应的特征图（Feature map）：

其中的RGB输入图像可以看做是三个通道（channel）。

高分辨率的图像是有一定的冗余的，对其进行下采样，可以降低计算量、存储量和参数数量。同时也可以提供一定程度的位移不变性。

上图是2×2的max pooling的示意图，一般取最大池化，也可以取平均池化。

把卷积层、池化层和全连接层组合起来，就得到了经典的卷积网络。