传统BP对比CNN

传统BP vs CNN

存在2个问题

传统BP网络存在的问题： 

1. 权值太多，计算量太大
2. 权值太多，需要大量样本进行训练

传统的BP来处理图像问题的话因为计算权值太多太大。

网络的建立要根据数据的大小来建立。 
求解权值得过程类似于求解方程组的过程，有1亿个权值要多少个数据量要多少样本？ 
最好是权值得5-30倍。 一般说来数据量越大越好。

CNN的崛起

感受野

CNN的牛逼之处在于通过感受野和权值共享减小了神经网络需要训练的参数个数。 

权值共享

权值共享指的是同层某些神经元之间的连接权值是共享的，局部感知指的是神经元之间的连接并非是全连接，是局部的。这两个特点能够极大减少连接权值的数量，降低模型复杂度。

 

存在问题-解决方案

• 边缘过度不平滑（重采样的方法来解决这个问题） 
• 滤波器太单一（采集图片的一些特征，不同的滤波器采集不同的特征）

参考：https://blog.csdn.net/hduxiejun/article/details/53427682