是近些年在机器视觉领域很火的模型，最先由 Yan Lecun 提出。
如果想学细节可以看 Andrej Karpathy 的 cs231n 。

How does it work?

给一张图片，每个圆负责处理图片的一部分。
这些圆就组成了一个 filter。
filter 可以识别图片中是否存在指定的 pattern，以及在哪个区域存在。

 

 

下图中有4个filter，每个filter的平行的点会负责图片上相同的区域。

 

 

神经元利用 convolution 的技术查找pattern，简单地理解就是用 filter 的形式去查找图片是否具有某种 pattern。

 

 

weights 和 bias 对模型的效果起着重要的作用。

把白圆圈换成神经元，就是CNN的样子。

 

 

Convolution层的神经元之间没有联系，它们各自都只连接inputs。

 

 

同一层的神经元用相同的 weights 和 bias，这样同一层的神经元就可以抓取同样的pattern，只不过是在图片上的不同的区域。

 

 

接下来是 ReLU（Rectified Linear Unit） 层和 Pooling 层，它们用来构建由 convolution 层找到的 pattern。

CNN 也用 Back propagation 训练，所以也有 vanishing gradient 的可能。而 ReLU 作为激活函数的话，gradients会大体保持常值的样子，这样就不会在关键的那几层有很明显的下降。

Pooling 层是用来降维的。
经过 convolution 和 ReLU 的作用后，会有越来越复杂的形式，所以Pooling 层负责提取出最重要的 pattern，进而提高时间空间的效率。

 

 

这三层可以提取出有用的 pattern，但它们并不知道这些 pattern 是什么。
所以接着是 Fully Connected 层，它可以对数据进行分类。

 

 

一个典型的 Deep CNN 由若干组 Convolution－ReLU－Pooling 层组成。

 

 

但CNN也有个缺点，因为它是监督式学习，所以需要大量的有标签的数据