卷积神经网络的实际应用及其举例

1、卷积神经网络主要做什么用的？

卷积网络的主要特点体现在卷积核参数共享与池化操作两个关键环节上。具体而言，在卷积层中参数共享的原因在于图片等结构化的数据在不同区域可能存在相同的特征，在这种情况下就可以将卷积核视为一种特征探测器，在每一层都能探测出不同的特征特性；然而在同一层中不同位置的卷积核则会在图像的不同部位寻找并提取相同类型的特征特性；之后将底层提取到的各种特征信息进行组合传递给上一层；而后一层则会对这些特征信息进行整合（而对于深度网络来说通常很难具体说明各层究竟获得了哪些特定的特征）；另一方面，在某些特定的任务中通过降采样并不会影响最终的结果质量；因此可以有效地降低网络参数量的同时又能在相同大小的区域容纳更多的信息量；综上所述这一特点使得该类数据类型非常适合采用卷积网络进行处理；此外除了视频处理外还可以用于文本分析任务（当然由于序列信号天然具备顺序属性更适合使用LSTM等递归神经网络）；值得注意的是卷积网络本质上是一种工具其应用效果取决于你如何利用它你可以随意调整池化与卷积的操作顺序甚至可以创新性地设计独特的网络架构以达到特定的研究目标；因此不必过分受限于传统架构设计思维