杜雪，王浩然，王欣悦

（南京邮电大学，江苏 南京 210000）

0 引言

卷积神经网络是应用最为广泛的人工神经网络，该模型由简单和复杂细胞构成，简单细胞对应不同区域，对于不同方向采取不同反应，获得更大感受，通过交替出现简单和复杂细胞，神经网络可以获取图像特征和抽象性。卷积神经网络是降采样层和卷积层交替出现的神经网络，经过多年的应用取得了突出进步，在计算机视觉领域中发挥着重要价值。

1 深度卷积神经网络的发展

卷积神经网络是由卷积层提取特征，亚采样层处理特征，交叠构成多层神经网络。网络输入是通过手写方式输入图像，对结果识别，输入过程需要进行多次卷积以及采样加工，在全连接层进行和目标的映射。一般情况下神经元和感受神经进行连接，卷积层用多个卷积核对通道，捕捉特征点，按照组合方式输出，特征图按照采样层S2后，可以缩减尺寸，神经元和对应特征对应映射，得到计算结果。卷积层神经元、采样层神经元分别进行模拟简单和复杂细胞，对卷积核共享，和特征对应，进行采样操作。

卷积神经网络卷积层包含特征图较多，在核对图像后运算，将元素视为权值参数，和输出图像像素值相乘，求和得到输出像素。采样层也被称为池化层，进行池化采样，在减少数据量同时保留信息[1]。神经网络和连接层进行对接，隐层结构和连接层一致，神经元一一对接。卷积神经网络在BP算法支持下，通过模拟训练，能够让神经元享有连接权，减少了训练数目。……