# CNN
Convolutional Neural Networks
Course: [ML2022, 李宏毅](https://speech.ee.ntu.edu.tw/~hylee/ml/2022-spring.php)

- 影像辨識的隱藏層作用是辨認某些關鍵pattern

- Convolutional layer特色包含Receptive Field和Parameter Sharing
- CNN Model專為影像設計，即使Model bias較大，對影像來說可以接受
- 概念和影像相通的任務也許也可以用CNN
- 影像中包含許多Patterns，通常觀察Pattern只需要看局部的範圍
- 影像中的patterns可能會重複出現在不同位置
- 用在不同的任務(例如語音、文字辨識)需要重新設計Receptive Field和共享參數方式
- CNN對放大、縮小、旋轉的辨識度不佳，需要另外做Data Augmentation增加database

- Convolutional layer包含許多Filter，會將圖片過濾出重要資訊，產生Feature map
- 經過CNN layer產生的Feature map的channel數目等於上一層Filter數目

- CNN Network越深，Filter觀察的範圍越大
- 每個Filter和輸入影像作Convolve等同於讓每個Neuron共享參數

- Pooling是一種Subsampling，對偵測小細節的任務表現會較差