入门的介绍：https://blog.csdn.net/v_JULY_v/article/details/51812459

CNN背后的机制：

CNN怎样是把未知图案和标准X图案一个局部一个局部的对比。即，局部感知机制。

CNN的不同滤波器权重不同，不同的滤波器filter会得到不同的输出数据，比如颜色深浅、轮廓。相当于如果想提取图像的不同特征，则用不同的滤波器filter，提取想要的关于图像的特定信息：颜色深浅或轮廓。

CNN中的局部感知机制。参数（权重）共享机制。

要注意一个滤波器也不仅仅就是一个矩阵，一个滤波器可能是三维的矩阵。而且卷积之后是：三个矩阵最后乘完相加得到一个数。

参考：https://www.jianshu.com/p/fe428f0b32c1

卷积层的原理：

在两幅图中大致相同的位置找到一些粗糙的特征进行匹配，不同的Feature匹配图像中不同的特征。当给你一张新的图时，CNN并不能准确地知道这些features到底要匹配原图的哪些部分，所以它会在原图中每一个可能的位置进行尝试。这样在原始整幅图上每一个位置进行匹配计算，我们相当于把这个feature变成了一个过滤器。（这个滤波器的理解就根通原里面的一样，它对按着对应相乘再相加的形式，滤掉一些不想要的，留下来能跟这个相互匹配的部分，这里就是要滑动着跟一副图片的不同部分进行过滤）

 

通过每一个feature的卷积操作，我们会得到一个新的二维数组。这也可以理解为对原始图像进行过滤的结果，我们称之为feature map，它是每一个feature从原始图像中提取出来的“特征”。（feature map是针对每一个feature新提取出来的特征，这个map表明了每一个值附近与feature之间的匹配情况）

池化层：

　　可以将一幅大的图像缩小，同时又只保留其中的重要信息。池化都是2*2大小，比如对于max-pooling来说，就是取输入图像中2*2大小的块中的最大值，作为结果的像素值，相当于将原始图像缩小了4倍。（在卷积层得到每一个值附近与feature所匹配的情况，池化层就是找出一定面积里面，哪个值与feature的匹配最好。）  

　　因为最大池化（max-pooling）保留了每一个小块内的最大值，所以它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。

激活层：

　　relu函数：对于输入的负值，输出全为0，对于正值，原样输出（这大概是为了让卷积之后的结果更加明显，因为cnn要寻找的是哪个小区域附近匹配上了features，所以不用关注匹配值很小的情况。）

　　问题：就是经过卷积层之后的结果，已经不再是原来的图像，如果再经过一个卷积层之后这个结果还是匹配的feature map ?