卷积神经网络的一些细节思考（卷积、池化层的作用）

卷积神经网络由卷积核来提取特征，通过池化层对显著特征进行提取，经过多次的堆叠，得到比较高级的特征，最后可以用分类器来分类。这是CNN的一个大概流程，其具体实现的结构是丰富多样的，但总的思想是统一的。 CNN整个的计算过程，最重要的有两点：组合性和局部不变性（平移、旋转、尺度放缩）。 组合性： 每个卷积核可以看做某种特征的提取器。所谓组合性就是将卷积核提取的一些简单特征进行组合，得到更高级的特征。比

>>阅读原文<<