卷積神經網路透過使用者設計的loss funtion(分類往往是cross_entropy),計算影象實際標籤與預測標籤之間的差異，梯度反向傳播，最小化loss，更新各個卷積核引數，從而產生新的預測值。重複過程直到訓練終止。

首先要了解傳統的影象處理是如何做的。

舉一個不是很恰當的例子，比如最簡單的邊緣檢測。

1. 透過邊緣檢測運算元，遍歷增幅影象，可以獲得該影象的邊緣資訊。也就是該影象的特徵資訊。

2. 我們可以透過比較和目標影象的的邊緣資訊的歐式距離，進行判斷兩者的相似性。

對於卷積神經網路，你可以發現，卷積層中，都是透過n個類似邊緣檢測的運算元。對影象進行遍歷，提取影象特徵資訊。並且透過網路得多次迭代，據說可以提取出影象的深層特徵。

所以說卷積神經網路本質上還是特徵提取比較的過程。

可以看出，這是一個比較有資深網際網路技術的問題！需要對一些專業知識做出特別的解釋。

首先，我們要了解什麼是卷積神經網路？下面是我在網上搜索整理的一些粗淺的知識！

卷積神經網路（Convolutional Neural Networks, CNN）是一類包含卷積計算且具有深度結構的前饋神經網路（Feedforward Neural Networks），是深度學習（deep learning）的代表演算法之一。卷積神經網路具有表徵學習（representation learning）能力，能夠按其階層結構對輸入資訊進行平移不變分類（shift-invariant classification），因此也被稱為“平移不變人工神經網路。具體解釋可自行搜尋。

那麼卷積神經網路又是怎麼實現影象識別的呢？他有幾個步奏。

1、影象識別資料收集

MNIST手寫體識別資料集解決是一個相對簡單的問題，而對於更加複雜的類別，可以用到CIFAR資料集。比如CIFAR10資料集收集了來自10個不同種類的6萬張圖片，每張圖片畫素為32x32，如下圖CIFAR10資料集與MNIST相似之處在於，其每張圖片大小都是一定的，每張圖片中都只包含一個類別。區別在於CIFAR10中的圖片都是彩色的，而且分類難度也比MNIST高，人工標註的正確率約為94%。

在現實生活中，圖片的格式不一定都是恆定的，類別也遠超出10種，每張圖片也會包含多個元素，因此需要有更強大的資料集。由斯坦福大學的李飛飛開發的ImageNet，有近1500萬張圖片，關聯了大概20000個類別。

ImageNet每年都會舉辦影象識別競賽ILSVRC（現已停辦），每年的比賽都提供不同的資料集。下圖給出不同演算法在ImageNet影象分類上的top-5正確率，ton-N表示演算法給出的前N個答案中有一個是正確的，2013年之後基本上所有的研究都集中在卷積神經網路上。

2、卷積神經網路介入

深度神經網路有多種，主要有全連線層神經網路，卷積神經網路和迴圈神經網路。其中全連線層神經網路之前已有介紹，其相鄰層的節點之間都會相連。迴圈神經網路將會在後續的章節介紹，以下簡單說一下卷積神經網路。上圖是卷積神經網路的架構圖，輸入的圖片一般會經過多個卷積層和池化層後，再接上數個全連線層後，透過softmax輸出結果。