卷积神经网络的直观解释

内容转自知乎答主OWILite，如有冒犯，告知删除。

链接：https://www.zhihu.com/question/39022858

---

  由于卷积神经网络主要是用于图像处理领域，故而从图像处理领域对卷积神经网络进行解释。

  卷积神经网络的目的：识别图像中的特定的形状，比如说曲线。那么将图像输入卷积神经网络后，这个网络应该对感兴趣的形状有较高的输出，而对于其他的形状的应该有较小的输出。

                            

                                                图一. 左图卷积滤波器的像素表示，右图曲线检测滤波器的可视化结果

  如图一所示，要设计的目标滤波器如左图所示，想要识别的曲线如右图所示。

                           

                                                         图二. 左图为原始图像，右图为卷积核在图像上的可视化

  图二所示的是原始图像与卷积神经网络处理图像的结果。在卷积神经网络进行检测的时候，当卷积神经网络的滤波器滑动到目标区域的时候，得到的计算结果应该很大。按照矩阵操作，将这个区域的图像的像素矩阵与卷积神经网络的滤波器做矩阵的乘法运算，得到很大的结果，具体过程如图三所示。而如果是非目标形状的像素矩阵与卷积神经网络的滤波器做矩阵的乘法运算的时候，得到的结果应该是相对较小的，具体结果如图四所示。

                   

                                           图三. 目标形状的像素矩阵与卷积神经网络卷积核做矩阵的乘法运算示意图

                    

                                             图四. 非目标形状的像素矩阵与卷积神经网络卷积核做矩阵的乘法运算示意图

  都说卷积神经网络的卷积层所提取到的特征是随着卷积层的增加变得越快来越复杂，但是我还没有复现论文来更加深刻的理解这个内容。还有一个疑问，都说卷积神经网络的滤波器（也称之为卷积核）是对图像做一个低通滤波，这又是怎么解释的，需要在以后的学习中弄清楚。所谓低通滤波，是将电信号中的频率低于滤波器的门限的信号保留下来，而高于这个门限的信号滤除掉，但是对于图像来说，什么是高频信号，什么是低频信号呢？有待于进一步学习。