本文将从个人学习与实践的角度简单介绍卷积神经网络
一，卷积神经网络能做什么？
卷积神经网络（convolution neural network，简称cnn），宽泛地说，两种用途：分类与回归。分类顾名思义，将目标对象进行类别的划分；回归通俗而言即是预测。
用一个例子简单介绍二者。
（图片来自网络，侵权即删），哪一图片是狗，哪一图片是猫？他们各自在哪里？
区分猫狗便是分类，可以用一个三维向量标记，[1, 0, 0]：非猫非狗；[0,1,0]：猫；[0,0,1]：狗。这种标记方法不唯一，也可以采用[1,0]：猫；[0,1]：狗；[0,0]：非猫非狗，对于非猫非狗一般可以记为背景（并非重点关注的目标）。
找到猫狗各自在哪里，便是对图像中的目标位置进行预测，一般采用矩形边框预测，即使用一个四维向量标记[left, top, right, bot]，分别表示目标的左侧，上边，右侧，下边。标记方法不唯一，也可以使用[left, top, width, height]进行预测目标的位置。对于较为特殊的目标，甚至可以采用圆形边框进行预测，即[x, y, r]，即圆心（x,y）和半径r。
将上例两个任务合二为一，可以称之为目标检测任务，即是什么？在哪里？常见的人脸识别的前提就是先检测人脸，即找到人脸的位置。而人脸识别的任务则是确定这个人是谁。
二，CNN如何做到分类或回归？
老实讲，弄清这个问题需要一定的数学功底和图像处理的知识。（然而我并没有）
试图介绍我个人的理解。
我可以轻而易举的区分猫狗，但是很难区分一对双胞胎，原因很简单，猫狗之间的差别很明显，双胞胎之间的差别很小。那么我是如何进一步发现差别的么？
从小到大，见过很多猫狗，所以判断眼前的动物时，是将眼前物与脑中物进行对比。就好像使用strcmp函数时，其实就是对比两个字符串中是否对应的字符完全相同。所以判断是什么最根本的做法就是对比。
但是，图中是一只狗，我该用什么与之对比呢？当然是其他被认为是狗的图片了。但是，如何让计算机对图像进行对比？
逐一对比像素，算出像素平均差，可以么？太严苛了，对同一只狗拍两张照片都存在很大的差别，更何况狗的颜色，姿势，样貌都差别很大，所以对比像素行不通。
那怎么办？strcmp函数不就是对比每一个字符么？这是因为字符数量是有限且较少的，所以可以用来做对比的标准。
再看两张图，或许你会有灵感。
相信一定可以轻而易举地区分出猫狗，这是两张简笔画（图片来自网络，侵权即删），为什么寥寥数笔就可以区分？因为特征都被描述了。
strcmp函数中，两个字符串中的字符就是特征，那么对特征直接进行对比，自然没有问题。
同理，如果计算机知道猫狗的特征，再对特征进行一定的比较，就很容易了。
那么，现在的问题是，如何获取特征？
比如：一个西瓜是否好吃？假设与瓜皮颜色，瓜皮薄厚，瓜皮条纹有关，那么这三个便是判断西瓜好吃的三个特征。我要做的就是买一堆瓜，分别记录三个特征，然后吃，并记录好不好吃，最后通过统计可以给出结论，三个特征如何组合，西瓜好吃。
比如：在steam上购买的游戏，每个游戏都有自己的特征，当买了一定量游戏后，steam商店会根据库中游戏的类别进行推荐游戏。
上述两个例子中，特征好像是那种显而易见的，比如西瓜皮颜色：深绿，绿，淡绿；瓜皮薄厚：薄或者厚；瓜皮条纹：宽或者窄；游戏类别就更显然了。
那么，如何获取图像中狗的特征呢？
其实，单纯地讲，CNN的能力是特征提取，普遍地，利用特征进行分类的分类器会紧跟在特征提取之后，并集成在CNN中。
这就是我理解的CNN解决分类任务
至于回归任务，我是这样理解。
无论是回归还是分类，其本质都是在预测，回归是连续的，分类是离散的。回归是连续的分类，分类是离散的回归。
例如：用矩形边框[left, top, right, bot] 预测狗在图中的位置，假设图像宽100像素，以left为例，如果用分类方法预测left，可以视其为100个类别的分类任务；如果用回归预测left，可以预测一个0~1之间的数left，left*100就是边框的左侧位置。显然对于一个数值的预测，使用回归方法比较好。
例如：90年代尝试的自动驾驶就是通过对道路图像的分类，从而使用离散量对方向盘进行控制。
此外，回归即一种拟合方法，即建立图像特征与待预测数值间的模型关系
同样的，回归也是利用CNN提取的特征进行数值的预测，当然，这一步也是集成在了CNN之中。
所以CNN如何进行分类或回归的流程是这样：
第一步：将原始图像预处理，送入CNN中
第二步：通过CNN提取图像的特征
第三步：根据特征对图像进行分类或者回归
通常第二步和第三步都做在CNN之中
在之后的文章中，这三步都会详细谈到
