卷积神经网络中卷积是什么为什么要使用卷积核运算

一图片识别为例来介绍一下个人理解：卷积是为了来得到特征值得，那么卷积的工作原理是什么呢？好吧就是你想的那样，卷积核运算正是卷积工作来提取特征（即图片的边缘轮廓）的原理
借用吴恩达老师的一张图
*
*

正如图片中所示这是用来进行垂直边缘性检测的，第一个方阵代表一张灰度图片里面数值越小代表颜色越深由下面的颜色版可以看出黑和白有一个边缘是垂直的，而卷积核是由白，灰，黑构成的图片被卷积核运算后得到了第三个色板我们可以明显看到中间是白色的这就是这张黑白照片里面图像的一个边缘由于这张图片比较小（6*6）得到的边缘不够明显不够精确，但是我们通常用来剪测的图片都是很大的。
看到这你可能会问图片里的图像边缘又不是都是垂直的比如这张:

里面的图像是怎么得到特征值得呢知道它是佩奇的呢

回顾图一我们看到这个卷积核是一列1和0和-1组成的运算后得到了一列0和两列30和一列0从而判断出了特征值也就是分界线的位置，所以要想得到特征值我们就要改变卷积核里面的数值但是什么数值适合识别我就不介绍了大家可以自己查查。
*
*

文章来源: blog.csdn.net，作者：肥学，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/jiahuiandxuehui/article/details/116898692