下载掌阅APP，畅读海量书库
立即打开
之前程序辨识手写阿拉伯数字，是使用像素(Pixel)作为特征，与人类辨识图形的方式有所差异，我们通常不会逐点辨识图形内的数字，以像素辨识图形有以下缺点。
（1）手写阿拉伯数字，通常都会将字写在中央，所以中央的像素重要性应远大于周边的像素。
（2）像素之间有所关联，而非互相独立，比如1，为一垂直线。
（3）人类辨识数字应该是观察线条或轮廓，而非逐个像素检视。
因此，卷积神经网络(Convolutional Neural Network, CNN)引进了卷积层(Convolution Layer)，先进行特征提取(Feature Extraction)，将像素转换为各种线条特征，再交给完全连接层(Linear)辨识，也就是图1.7机器学习流程的第3步骤—特征工程(Feature Engineering)。
卷积(Convolution)简单说就是将图形抽样化(Abstraction)，把不必要的信息删除，例如色彩、背景等，图6.1经过三层卷积后，有些图依稀可辨识出人脸的轮廓了，因此，模型即可依据这些线条辨识出是人、车或其他动物。
图6.1 卷积神经网络(Convolutional Neural Network, CNN)的特征提取
卷积神经网络(Convolutional Neural Network)，以下简称CNN，它的模型结构如图6.2所示。
图6.2 卷积神经网络(Convolutional Neural Network, CNN)的模型结构
（1）先输入一张图像，可以是彩色的，每个色彩通道(Channel)分别卷积再合并。
（2）图像经过卷积层(Convolution Layer)运算，变成特征图(Feature Map)，卷积可以指定很多个，卷积矩阵内容不是预定的，而是在训练过程中由反向传导推估出来的，这与传统的图像处理不同，另外，卷积层后面通常会附加ReLU Activation Function。
（3）卷积层后面还会接一个池化层(Pooling)，作下采样(Down Sampling)，以降低模型的参数个数，避免模型过于庞大。
（4）最后把特征图(Feature Map)压扁(Flatten)成一维，交给完全连接层辨识。