1.卷积层convolution layer作用提取输入图像的局部特征简单点说卷积层的作用像是侦探手里的放大镜原始图像就像是一张巨大的犯罪现场的图像那我们侦探拿到这张图像要做什么肯定是一帧一帧找线索那么卷积层的作用就是侦探拿着放大镜找线索找线索肯定是一点一点局部观察就像是卷积层的卷积核在图像上滑动提取图像的局部特征。发现一个特征就打分记录加权和从而得到一张完整的特征图类似犯罪现场图被划分后每一部分都评分的图2.池化层(pooling layer)作用是下采样降低特征图尺寸减少计算量同时保留重要特征。可以想象你的侦探记录本上面的线索特征记录太多很难一下找到最重要的一些线索需要精简这就是池化层的作用把记录本划分成一个个小格子最大池化就是每个格子里找最明显最值得的线索保留下来其他线索先擦出掉这样精简之后更容易找到破绽。那么平均池化就是在这个格子中把所有线索取一个平均值保留下来。3.全连接层(Fully connected layer)作用将提取的特征映射到输出类别或回归值类似最后的审判长把前面卷积层和池化层收集的线索展开到一张桌子上根据每个线索的投票权重进行线性变换哪个投票数最多就是最后的结果。整体流程原始图片----卷积层----特征图-----池化层-----小特征图