计算机视觉：深度学习之卷积神经网络CNN-1

1、普通神经网络普通神经网络每层由多个神经元组成，每个神经元完全连接到前一层中的所有神经元和后一层中的所有神经元。

3、卷积神经网络的组成卷积神经网络一般由输入层、卷积层(Convolutional Layer)、池化贫脊雪赙层(Pooling Layer)、全连接层及输出层组成；卷积神经网络的典型结构如下；流程：输入图像经过卷积层提取特征，然后经过池化层进行下采样，之后再由卷积层提取特征，再经过一次池化层下采样，最后将特征图与全连接层进行全连接操作，输出层输出。

5、池化层池化层是非线性下采样的一种形式，池化层通常插入到连接的卷积层之间，能够减小特征表示的空间大小，且减少了网络参数的数量和计算量；池化层形式：常用的最大值池化(Max Pooling)、均值池化(Average Pooling)；将每张特征图分成单独的块，在块上使用非线性函数如max pooling取最大值；