2021的开篇完成了自己一个自然语言整合的产品，发现除了说以外，的确是实践出真知。

image.png

而随着个人技术大门的打开，意味着自己不仅仅有想法，而且可以在自己的能力下去完成一定的实现工作，的确是一件非常美妙的事情！
而随着能够让计算机看懂文字，又触及到让计算机“看见世界”，这时候发现机器学习、深度学习，对自己不再是一些概念上面的科学术语，而是能够像人脸识别一样，已经切切实实融入到生活中。
讲到计算机的图像识别能力，不得不将到卷积神经网络。

一、什么是卷积神经网络

卷积神经网络 – CNN 最擅长的就是图片的处理。它受到人类视觉神经系统的启发。目前 CNN 已经得到了广泛的应用，比如：人脸识别、自动驾驶、美图秀秀、安防等很多领域。
CNN 有2大特点：

• 能够有效的将大数据量的图片降维成小数据量
• 能够有效的保留图片特征，符合图片处理的原则

二、CNN如何解决问题

1、图像处理难点
图像是由像素构成的，每个像素又是由颜色构成的。

image.png

2、CNN如何解决
人类的视觉原理如下：从原始信号摄入开始（瞳孔摄入像素 Pixels），接着做初步处理（大脑皮层某些细胞发现边缘和方向），然后抽象（大脑判定，眼前的物体的形状，是圆形的），然后进一步抽象（大脑进一步判定该物体是只气球）。下面是人脑进行人脸识别的一个示例：

image.png

我们可以看到，在最底层特征基本上是类似的，就是各种边缘，越往上，越能提取出此类物体的一些特征（轮子、眼睛、躯干等），到最上层，不同的高级特征最终组合成相应的图像，从而能够让人类准确的区分不同的物体。
那么我们可以很自然的想到：可以不可以模仿人类大脑的这个特点，构造多层的神经网络，较低层的识别初级的图像特征，若干底层特征组成更上一层特征，最终通过多个层级的组合，最终在顶层做出分类。