This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.
1.卷积神经网络的简介
卷积神经网络是在图像处理方面广泛应用的一种深度学习网络结构。
卷积神经网络是在上个世纪60年代由Hubei和Wiesel在研宄猫脑皮
层时发现部分神经元的特殊构造可以使反馈神经网络简便化，从而
提出了卷积神经网络。卷积神经网络不需要对原始图片进行预处理、
复杂的特征提取等问题，卷积层卷积运算代替了传统图像中的矩阵
乘法运算，避免了复杂的计算，同时其共享网络结构，参数较少，
不仅降低神经网络的复杂度而且降低了计算量，从而使卷积神经网
络能获得较好的提取图片的特征效果。鉴于卷积神经网络的众多优
点，使它在图像识别，语音识别上得到了广泛的应用，成为深度学
习的一个热门方向。基于 CNN 的经典神经网络有 LeNet5、AlexNet、
GoogLeNet等。LeNet5作为诞生较早的CNN，采用了 ReLU 激活
函数，加入了 Dropout 层，并且扩充了训练 的数据量。但是AlexNet
只有八层，前五层为卷积层， 后三层为全连接层，网络深度不够，
且丢弃池化层易 发生过拟合的问题。 GoogLeNet给CNN注入模块
化思想，使用1×1的卷积来进行升降维，其稀疏连接结构提高了网
络对各种 复杂图像的适应性，但应用于字符识别计算时间偏长
