神经网络的本质是进行信息格式的转换,但要进行数据的处理,如何将数据张量化,问题是ANN处理的数据必须是向量格式。 在图像这种数据类型中,如果将其展开为一维向量,则得到的向量维数过高,网络太深,网络中参数过多,图像中的空间信息也丢失。
另一方面,CNN可以通过卷积从原始信息中提取“与卷积核相关联的信息”的一部分,并在二维图像中被本机支持,因此保持图像中的空间信息,空间信息具有可平移的性质。
卷积神经网络的参数只有卷积核的参数和偏置(Bias ),卷积核的参数可以共享,卷积核也可以从多个角度解读原始图像。
这是卷积神经网络的一些特征:局部感知、参数共享、多核、平移不变性
根据这些特征,在图像区域处理中,CNN取代了ANN