tensorflow入门学习，卷积和池化在图片识别中，到底是如何工作的（四）

上一节介绍了 建立多层卷积网络模型，提升MNIST手写数字识别正确率到99%（三），结合卷积和池化，建立了多层的 tensorflow 网络模型，提升了手写数字识别的正确率。不过，上一节的主要目的是介绍 tensorflow 建立多层网络模型的总体流程，对卷积和池化在识别图片中如何工作没怎么说明，这一节，将详细介绍。

提出问题

假设有如下两种类型图片，需要分辨给出的图片含有 X 还是 O。

计算机非常死板，如果简单的比对像素，哪怕只有 1 个像素不对，也是难以分辨的。而 tensorflow 就非常适合解决这类问题，上一节提到利用卷积和池化建立多层网络，可以实现非常高的准确率。它们到底是如何工作的呢？

卷积在图像识别中的作用

下边右图，并不完全等于左图，但是人脑会根据某些局部特征判断，右图中含有 X。卷积的作用就在此，它可以把这些局部特征提取出来。

那么，卷积如何提取出局部特征呢？下图，咱们只看白色部分，可以很清楚的看出，它们到底是提取什么特征的。

上图就是所谓的 卷积核。卷积核虽然可以提取目标图片的局部特征，但是它并不知道从哪里提取，所以，卷积核在每个位置做匹配，这个每个位置做匹配的操作，就称为卷积，说白了，卷积就是卷积核和目标图片做移动矩阵乘积，这也是卷积神经网络名字的由来。

计算卷积，只需将两个小块对应位置的像素值进行乘法运算，然后将整个小块内乘法运算的结果加起来，最后再除以像素点总个数即可。下图是匹配过程的几个代表性的图片，可以看出，卷积核从原图提取出了符合自己的局部特征。

最终，整个原图分析完毕，得到下图。

得到的数据越接近 1，说明与卷积核匹配越接近，越接近-1，说明与卷积核的负面越匹配，越接近0，说明越与卷积核不匹配。

池化在图像识别中的作用

池化可以减少数据规模，但是又保留特征。最常用的是 2x2 最大值池化，即，取 2x2 像素大小的方块内的最大值，池化过程类似于卷积，也是移动操作的。2x2 池化操作后，数据规模相对于原数据，减小了 4 倍。

下面几张图，是对本节数据池化的几个示意图。

对卷积得到的 3 幅图做完池化操作，得到：

最大值池化保留每一个小块内的最大值，相当于保留了这一块最佳的匹配结果（因为值越接近1表示匹配越好）。这也就意味着它不会具体关注窗口内到底是哪一个地方匹配了，而只关注是不是有某个地方匹配上了。这也就能够看出，CNN能够发现图像中是否具有某种特征，而不用在意到底在哪里具有这种特征。这也就能够帮助解决之前提到的计算机逐一像素匹配的死板做法。

为什么要使用 ReLU 激活函数？

ReLU 函数非常简单，它把小于 0 的值归零，大于 0 的值保持不变，有点单边抑制的感觉。为何要使用 ReLU 函数“单边抑制”呢？因为，就算是人脑，在做一件事的时候，也不是全部神经元一起上。人的大脑分为左右大脑，一边负责逻辑思考，一边负责感性体验，相信大家都知道。类似的，我们建立的人工神经元，也不一定在每次图片中每个都会起到同样的作用，更可能的情况是：只有一部分神经元起主要作用，而且，将一部分神经元归零，在多层网络中，也能明显的减小数据计算规模。