一句话引入： 如果我们要做图像识别，用的是一个200x200的图片，那么BP神经网络的输入层就需要40000个神经元，因为是全连接，所以整个BP神经网络的参数量就是160亿个，显然不能这样来训练网络，所以我们就需要在输入层之前，加入一个处理图片的操作，而这个操作的目的，
1.为了把图片的特征提取出来，减去没有必要的噪音。
2.降低矩阵的参数数量。
然后再输入到BP神经网络中去训练权重和偏置量。

1.感受野：

人的眼睛看见东西，不是一个神经元就能做到的，而是很多个神经元，每个神经元只负责自己的那块局部信息，而很多个神经元组合而成，就成了我们可以看见的图像。

2.卷积运算：

卷积运算，是用来提取图片中的特征的，一次卷积运算的过程，就是使用一个卷积核，对整个图像进行一次运算，不同的卷积核，可以提取出来不同的特征，比如直线，曲线。卷积运算如下图：

这实际上就是两个矩阵相乘求和的结果。卷积核会根据步长 来顺着对图片矩阵进行一次卷积运算，假如步长为1，那么下一步就如下图：

其中不同的卷积核，可以提取出不同的图片特征，可以理解为，有些卷积核是用来提取猪耳朵，有些来提取猪鼻子。
Padding： 所谓的padding操作，实际上就是在图片边缘，上下左右补0，目的就是为了可以获取图片的边缘特征。

3.卷积核和感受野

不同的卷积核，就像不同的视觉神经细胞，不同的卷积核提取图片中不同的特征，而当这些特征组合在一起的时候，就成了一幅图（当然是特征图）。

4.多通道卷积：

因为图片是彩色的，所以我们一般会对RGB三个通道，都做卷积运算，然后在合并这三个矩阵：

4.池化：

在进行完卷积运算后，需要对特征矩阵进行池化操作，池化就是把特征矩阵变小！
比较常见的池化操作如下：

5. CNN

一个完整的CNN如下

这也是LeNet网络的结构，两个卷积和池化，最后一个池化中的多个特征矩阵，拉成一个一维的矩阵，作为BP神经网络输入，如下图。

其中隐含层使用ReLu，输出层使用的是softMax，这样输出值就是标签和概率。
参考：深度学习及应用-赵卫亮，神经网络与深度学习-牟奇