卷积神经网络（CNN）

　　现如今，随着计算任务的愈发繁重复杂，实时系统面临着一个前所未有的挑战-不仅要快速处理所有数据还要针对下一步工作作出智能的决策。下面就随手机便携小编一起来了解一下相关内容吧。

卷积神经网络(CNN)是快速处理海量数据的关键，作为业界领先解决方案，量身定制的 Tensilica® 处理器及 DSP 可以高效执行性能需求极高的 CNN 运算，是用户的不二之选。CNN 的应用领域非常广泛，主要包括图像和模式识别、语音识别、自然语言处理，以及视频分析。从智能手机到智能手表，从高级驾驶辅助系统(ADAS)到虚拟现实游戏机，再到无人机控制和安防设备，依赖高分辨率成像(1080p，4K，甚至更高)的应用领域正在快速发展。

　　发展至今，高分辨度成像技术已经非常成熟，无论智能手机的人脸检测功能，安防系统的人脸识别功能，还是智能车辆的交通标志识别功能都已经离不开它;未来，它还将继续为无人驾驶的实现保驾护航(详细内容请参阅 Tensilica 视觉 DSP)。我们非常看好 CNN 技术在计算机视觉领域的应用前景，它将推动成像精度和准确度的大幅增强。

　　神经网络由信息共享的人工互联“神经元”构成，每个互联神经元的数字权重都通过反复训练而得到持续优化，经过良好训练的神经网络可以对图像或模式作出精准识别。神经网络包括多个由特征检测“神经元”组成的数据层，每一层的神经元都会对前一层不同组合的数据输入作出回应。

图一：人工神经网络示意图

　　卷积神经网络(CNN)是上述神经网络的其中一种，由一个或多个卷积层组成。CNN 通常包括一个下采样层，以及与标准神经网络一致的一个或多个全连接层。随着半导体技术的发展，芯片尺寸更小，高度并行处理器的功耗更低，基于卷积神经网络的计算机视觉解决方案将不再是纸上谈兵。

    以上是关于手机便携中-卷积神经网络（CNN）的相关介绍，如果想要了解更多相关信息，请多多关注eeworld，eeworld电子工程将给大家提供更全、更详细、更新的资讯信息。