【摘要】：视觉皮层的神经元就是局部接收信息的，这些神经元只接受某些特定区域刺激的响应。因而，每个神经元不是对全局图像进行感知而只对局部进行感知，然后在更高层将局部的信息综合起来得到全局信息。这样，就可以减少神经元之间的连接数，从而减少神经网络需要训练的权值参数的个数。
在图像处理中，往往把图像表示为像素的向量。如图9－2（a）所示，1000×1000的图像可以表示为一个1000000的向量。在BP神经网络中，如果隐含层数目与输入层一样，即也是1000000时，那么输入层到隐含层的参数数据为1000000×1000000＝1012，这么多的权值参数很难训练。
CNN受生物学视觉系统结构启发，由每个映射面上的神经元共享权值，因而减少了网络自由参数的个数。
一般认为，人对外界的认知是从局部到全局的，而图像的空间联系也是局部的像素联系较为紧密，距离较远的像素相关性较弱。视觉皮层的神经元就是局部接收信息的，这些神经元只接受某些特定区域刺激的响应。因而，每个神经元不是对全局图像进行感知而只对局部进行感知，然后在更高层将局部的信息综合起来得到全局信息。这样，就可以减少神经元之间的连接数，从而减少神经网络需要训练的权值参数的个数。(https://www.xing528.com)
如图9－2（b）所示，假如局部感受域是10×10，隐层每个感受域只需要和这10×10的局部图像相连接，所以100万个隐层神经元就只有l亿个连接，即108个参数，比原来减少了4个数量级。但需要训练的参数仍然很多，可以进一步简化。
图9-2 卷积神经网络的局部连接
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
