這幾天我會介紹一下所謂的Convolutional Neural Networks(卷積神經網路)以及由卷積神經網路所衍生出來用於物件偵測的神經網路:Yolo。

如果有時間和機會的話，也會帶大家利用Yolo做出一個簡單的屬於自己的物件偵測模型。

今天我們先來初步了解CNN特別的地方在哪裡。

Deep Neural Networks:

Convolutional Neural Networks:

CNN是一種前饋神經網路，從上面兩張圖可以看出來，在輸入一些二維的資料(例如:圖像)時，DNN需要將資料轉成一維來進行學習，而CNN可以直接輸入二維的資料，因此可以保留一些原本資料的形狀或是位置的屬性，從而達到更好的學習效果。

也因為這樣的特性，使得CNN被廣泛用於物件偵測的學習上，也誕生出了很有名的物件偵測神經網路模型:Yolo。

在接下來的文章將會介紹CNN裡面的架構，以及每一層的功能，大概了解CNN後再介紹Yolo，而Yolo又有了很多版本，再從中挑出幾個來說明。

今天就先這樣，我們以後再說:)

資料來源:
https://vinodsblog.com/2018/10/15/everything-you-need-to-know-about-convolutional-neural-networks/
https://jakesheu.pixnet.net/blog/post/267111772-dnn%2C-%E6%B7%B1%E5%BA%A6%E7%A5%9E%E7%B6%93%E7%B6%B2%E8%B7%AF