CNN的概念圖如下： （ 圖片來源：https://reurl.cc/l7g1LY ）

Convolution Layer 卷積層

卷積的主要概念就是特徵擷取的方法，利用filter去擷取特徵（例如：萃取出圖像的形狀或輪廓）
（ 圖片來源：https://reurl.cc/Y0Vx1n ）

• 卷積運算的那個filter一般稱為kernel map，他的大小（或是說數量）是可以調整的
• 通過卷積層得到的圖稱為feature map（特徵圖）

Pooling Layer 池化層

池化將圖片資料量減少並保留重要資訊，常見做法有：maxpool／minpool／meanpool
（ 圖片來源：https://reurl.cc/Y0Vx1n ）

• 池化會根據feature map的結果去做pooling，最後得到的就是降維後的特徵圖
• 通過池化層除了可以將維外，也能有抗雜訊的功能

Flatten

大概就是將前面的結果從二維轉成一維
（ 圖片來源：https://reurl.cc/6Q782O ）

Fully Connected Layer 全連接層

基本上就是最後的分類器，將前面所擷取出來的特徵，經過權重的計算之後，來辨識出這個所輸入的圖像到底屬於哪一個分類
（ 圖片來源：https://reurl.cc/XmqzjM ）

參考資料

• https://reurl.cc/Y0Vx1n
• https://reurl.cc/l7g1LY
• https://reurl.cc/6Q782O