计算机视觉包括：
--图片分类（图片识别）Image classification
--目标检测 object detection
--神经风格迁移 neural style transfer，如合成图片创造新的艺术风格
计算机视觉面临的一个挑战是输入数据较大，这就带来两个问题，一是神经网络复杂，参数较多，容易发生过拟合，二是计算量大所需内存也多，解决方法就是卷积神经网络。
2. Edge Detection Example边缘检测示例
本节以边缘检测为例说明卷积是怎么回事。
图片的边缘检测可以通过与相应过滤器（有的文章也称之为核）进行卷积来实现。
以垂直边缘检测为例，原始图片尺寸为6x6，过滤器filter尺寸为3x3，卷积后的图片尺寸为4x4，得到结果如****意这里的*表示卷积运算，跟乘法无关，python中，卷积用conv_forward()表示；tensorflow中，卷积用tf.nn.conv2d()表示；keras中，卷积用Conv2D()表示。）
为什么卷积可以检测边缘？
举一个简单的例子，下图最左是原图，可以看出中间有一个明显的竖线，经过卷积得到的图像中间就表示原图的边缘。这里看边缘有些粗，是因为我们的图像太小了，应用到正常图像会发现其检测的边缘相当不错。
本节讲正边和负边的区别，也就是由亮到暗和由暗到亮的区别，以及其他类型的边缘检测。
1）正边和负边
下图展示了两种方式的区别，第一个称为正边，表示图片有亮到暗，第二个称为负边，表示图片由暗到亮。实际应用中，这两种渐变方式并不影响边缘检测结果，如果不在意这种区别的话，可以对输出图片取绝对值操作。
水平边缘检测的过滤器算子如下所示：
除了上面提到的这种简单的Vertical、Horizontal滤波器之外，还有其它常用的filters，例如Sobel filter和Scharr filter。这两种滤波器的特点是增加图片中心区域的权重：
以上是研究者设计好的过滤器算子，在深度学习时代，当检测复杂图像的边缘时，还可以通过反向传播来学习过滤器算子，学习获得的过滤器可能优于任何一个手写的过滤器，因为相对于水平垂直边缘，它可以检测任意倾斜角度的边缘。
按照上面讲的图片卷积，如果原始图片尺寸为n x n，filter尺寸为f x f，则卷积后的图片尺寸为(n-f+1) x (n-f+1)，注意f一般为奇数。这样会带来两个问题：
· 每次卷积运算后，输出图片尺寸都会缩小
· 原始图片边缘信息对输出贡献得少，输出图片丢失边缘信息
为了解决这两个问题，可以在卷积之前对图像进行padding（扩充），扩展区域的像素值用0填充，设p为向外拓展的像素数，那么为了使卷积之后的图像和原图像大小相等，那么：p=(f-1)/2
没有padding操作，即p=0，称之为“Valid convolutions”；有padding操作，称之为“Same convolutions”。
5. Strided Convolutions卷积步长
Stride表示filter在原图片中水平方向和垂直方向每次的步进长度。用s表示stride长度，p表示padding长度，如果原始图片尺寸为n x n，filter尺寸为f x f，则卷积后的图片尺寸为：
[(n+2*p-f)/s +1]×[(n+2*p-f)/s +1]
如果商不是整数，那么向下取整。
值得一提的是，目前为止介绍的卷积实在数学中称为互相关(corss-correlation)，数学意义上的卷积需要对过滤器进行双重镜像操作，即按右上左下的斜对角线翻转，这样做是为了满足结合律A*(B*C)=(A*B)*C，这对信号处理来说很重要，但对深度学习来说不重要，所以一般忽略双重镜像操作，即简化的步骤又不影响结果。所以深度学习中的卷积通常指的是无双重镜像的卷积。
6. Convolutions Over Volume立体卷积
本节讲述在三维立体上的卷积
三维数据在二维数据上增加了通道，令nc为图片通道数目，对应的过滤器其通道数目必须和输入图像的通道数目一样，如输入图片是6x6x3，分别表示图片的高度（height）、宽度（weight）和通道（#channel），过滤器通道也必须为3，可以是3x3x3也可以是5x5x3，即尺寸可以按需定制，而通道必须一致。
卷积计算过程和二维类似，即用过滤器覆盖原图，对应元素相乘最后相加，然后按步长在图像上移动过滤器，过滤器中不同通道其设计可以一样也可以不一样，例如想检测红色通道的竖线，就设计通道R检测垂直边缘，而G和B通道的过滤器都设置为0.
为了进行多个卷积运算，实现更多边缘检测，可以增加更多的滤波器组。例如设置第一个滤波器组实现垂直边缘检测，第二个滤波器组实现水平边缘检测。这样，不同滤波器组卷积得到不同的输出，个数由滤波器组决定。
若输入图片的尺寸为n x n x nc，filter尺寸为f x f x nc，则卷积后的图片尺寸为(n-f+1) x (n-f+1) x n′c。其中，nc为图片通道数目，n′c为滤波器组个数。也可以增加padding或者改变步长s，计算方式如上。
7. One Layer of a Convolutional Network单层卷积网络
卷积神经网络的单层结构如下所示：（两个过滤器）
权重W就是过滤器，例中过滤器有27个元素，那么W中就有27个数值待更新，在加上b，参数就是28个，若一层有10个过滤器那么该层总参数就是280个，不论输入图像尺寸为多少，参数都是280个，即参数数目只和过滤器有关，这是CNN特点之一，参数较少有效防止过拟合。
m为样本数。
8. Simple Convolutional Network Example简单卷积神经网络
本节通过一个例子介绍简单卷积神经网络的实现流程：
该CNN模型各层结构如上图所示。卷积直至第三个隐藏层，即a[3]其维度是7 x 7 x 40，最后一步是将卷积获得的所有特征展开成一个向量，维度为1960 x 1，将其作为最后一层的输入。然后填充到logistic(二分类）或softmax(多分类）。最后得到预测输出y^。
CNN中的隐藏层有三种类型：
Convolution (CONV) 卷积层
Pooling (POOL) 池化层
Fully Connected (FC) 全连接层
作用：减小模型大小，提高计算速度，并提高提取特征的鲁棒性。所以在pooling中一般不用padding填充。
1）max pooling
pooling跟卷积类似，但是要简单的多，max pooling就是用一个取最大值得滤波器过滤图像。
最大化的作用就是如果在过滤器中提取到某个特征，那么保留它的最大值，如果没有提取到某个特征值，那么其最大值也是很小的。
如果是多个通道，那么就每个通道单独进行max pooling操作
max pooling的。
2) average pooling
average pooling就是用一个取均值得滤波器过滤图像，其应用不如max pooling广。
值得注意的是：池化过程中的超参数有滤波器尺寸f和滤波器步进长度s，没有需要学习的参数，也就是反向传播的时候没有参数需要更新。它是一个静态属性。
最常用的池化过滤器超参有两组：f=2 s=2和f=3 s=2
图中，CON层后面紧接一个POOL层，共同构成第一层（因为POOL没有需要学习的参数），CONV2和POOL2构成第二层。
特别注意的是FC3和FC4为全连接层FC，它跟标准的神经网络结构一致。最后的输出层（softmax）由10个神经元构成。
关于超参选择的建议，尽量不要自己设置超参数，而是参考别人文献里面的超参数值。
CNN常用的架构模式是一个或多个CONV后面跟一个POOL，然后继续一个或多个CONV后面跟一个POOL……最后跟几个全连接层，softmax输出。
网络中参数如下图：
可以看出大部分参数都在全连接层，卷积层参数很少，POOL层没有参数，**值的尺寸是逐渐降低的，事实证明如果降低速度过快会影响模型性能。
相对于标准神经网络来说，处理图像的话，卷积网络的参数大大减少，使得我们可以用更小的训练集来训练模型，同时也有效的防止过拟合
为什么要用卷积可以减少参数？
原因有二：参数共享和稀疏连接。
参数共享（parameter sharing）:一个特征检测器（例如垂直边缘检测）对图片某块区域有用，同时也可能对图片其它区域有用，即不需要添加特征检测器，就可以检测整幅图像的某个特征或者多个相似特征。
稀疏连接（sparsity of connection）:因为滤波器算子尺寸限制，每个输出仅依赖于滤波器覆盖的那几个特征。
另外CNN比较擅长捕捉平移不变特征。也就是说CNN进行物体检测时，不太受物体所处图片位置的影响。
