CNN 是卷積神經網絡（Convolutional Neural Network）的簡稱，在影像辨識的領域中，一定要認識 CNN！

圖片出處

如上圖所示，CNN 的概念簡單來說其實就是做＂兩次＂的　Convolution 和 Max pooling，最後再經過兩層 fully Connected layer ，這樣的組合就是 CNN 的架構了～

Convolution Layer 卷積層

Convolution 的概念我們上一篇有介紹了，就是將原始圖片透過特定的 filter 做卷積運算，出來的結果我們稱為 feature map。

圖片出處

Pooling　Layer 池化層

再來要講的是 pooling ，在 Pooling Layer 通常採用 Max Pooling，什麼是 Max pooling 呢？ 它的概念很簡單：挑出每組矩陣當中的最大值！這樣就能提取到影像中每個部分比較重要的特徵，加速收斂並縮小　Feature map　的尺寸！

Max Pooling 主要的好處是當圖片整個平移幾個 Pixels時，對影像判斷上完全不會造成影響，以及有很好的抗雜訊功能。

圖片出處

Fully Connected Layer 全連接層

全連接層的工作就是前面的結果平坦化（flatten）後做最後的特徵提取，並且利用最後一層的 FC 當作分類器。也就是說經過幾個卷積層和最大池化層之後，最終的分類是通過全連接層完成的。