卷积神经网络的应用与发展

孙毅

（中国民航大学，天津市 300300）

【摘 要】卷积神经网络主要由卷积层、池化层、全连接层构成。它在目标检测和计算机视觉、语音识别等领域成效卓然。本文主要简述卷积网络结构以及在各领域应用。

【关键词】卷积神经网络；卷积网络结构；各领域应用

一、卷积神经网络

卷积神经网络是一种人工神经网络，目前已成为图像识别、语音分析、目标检测等领域的研究热点。权值共享及池化操作有效的降低了网络复杂度，与深度学习中的MLP，DPN等网络相比，具有较少的可调参数，降低了学习复杂程度以及训练所需时间；卷积神经网络在处理二维图像时，具有位移、缩放即扭曲图像不变性。

二、卷积神经网络结构

卷积网络由输入层、卷积层、池化层、全连接层及输出层构成基本结构。卷积层和池化层一般成对交替出现。由于卷积层中特征面的神经元与其输入局部连接，通过相应的权值与局部输入进行加权求和再加上偏置值，得到该神经元输入值，该过程等同于卷积过程，卷积神经网络也由此命名。

（一）卷积层

卷积层（convolutional layer）由多个特征面组成，每个特征面由多个神经元组成，它的每一个神经元通过卷积核与上一层特征面的局部区域相连。卷积核是一个权值矩阵。卷积层通过卷积操作提取输入的不同特征，低层卷积层提取低级特征如边缘、线条、角落，更高层的卷积层提取更高级的特征。

（二）池化层

池化层（pooling layer，也称为取样层）在卷积层之后，由多个特征面组成，它的每一个特征面唯一对应于其上一层的一个特征面。……