CNN
CNN基础计算机视觉
图像分类（Image Classification）
目标识别（Object detection）
神经风格转换（Neural Style Transfer）
使用传统神经网络处理机器视觉的一个主要问题是输入层维度很大。如果图片尺寸较大，例如一张1000x1000x3的图片，神经网络输入层的维度将达到3百万，使得网络权重W非常庞大。这样会造成两个后果，一是神经网络结构复杂，数据量相对不够，容易出现过拟合；二是所需内存、计算量较大。解决这一问题的方法就是使用卷积神经网络（CNN）。
CNN做的事情其实是，来简化这个neural network的架构，我们根据自己的知识和对图像处理的理解，一开始就把某些实际上用不到的参数给过滤掉，我们一开始就想一些办法，不要用fully connected network，而是用比较少的参数，来做图像处理这件事情，所以CNN其实是比一般的DNN还要更简单的。
卷积操作：以边缘检测举例（Edge Detection）
图片边缘检测的方式
垂直边缘检测（Vertical edges）
水平边缘检测（Horizontal edg ...