深入浅出自动驾驶(二)：卷积神经网络(CNN)

如何识别一张图像

如下图片所示，你要如何识别是一只狗呢？

我们可以把眼睛、鼻子、嘴都分开，而后分别识别出来，最后将所有的特征组合起来，就可以看出来是一只狗啦
比如在这幅图中，你就可以分别识别出
1 眼睛
2 鼻子
3 金毛
如下图所示

让我们进一步分析，如何识别眼睛、鼻子和毛发呢？以金毛的鼻子为例，如何才能知道这是一个鼻子呢？我们可以用鼻子上方的弧线和鼻孔来定义一个鼻子

鼻子上方的弧线

鼻孔

这就是CNN的处理逻辑了，它首先识别简单线条和曲线，而后是形状和区块...最后组合起来，识别这个物体，是狗，还是猫，或是其它物体。

在我们的例子中，可以做入下分解
1 简单的线条，比如曲线、直线等等
2 复杂的物体，比如鼻子、眼睛等等
3 作为狗的整体

最令人兴奋的是我们根本不用去手动分解，CNN网络自己就能够做了，如下图所示

什么是卷积神经网络

假设你有一张照片，如图所示

一张猫的照片可以表示为一个有width，有height以及厚度为3(RGB)的薄饼。然后我们在图片上取出X大小的一个方块，并把它映射成高维空间的深度为K的向量

而后我们移动这个方块

最终得到一个宽度为width，高度微height，深度为k的图像，这就称为卷积了

卷积的思想是将图像的特征逐步的映射到深度中去（图像特征），以此把图像特征全部连接起来，然后就可以判断分类的类型（图像的类型）

动态图

为何要使用卷积神经网络

CNN在图像领域用的比较多，以一张1000*1000像素的图像为例，如果使用单纯的神经网络，加上隐藏层，共需要1000000x1000000 = 10^12个参数，这样就太多了，基本没法使用神经网络训练，所以必须减少参数个数，这是使用卷积神经网络一个非常重要的原因
我们也可以从另一个角度来看：一张图片上不是所有的像素（特征）都有效，只需要取某一个区块内的代表像素就可以了，局部区块的像素关联性较强，其它的关联较弱

资源

斯坦福：http://cs231n.github.io/
freebook：http://neuralnetworksanddeepl...
http://deeplearningbook.org/