为什么卷积能够提取图像的特征？看完此文应该能够给你一个答案；

,一，神经网络中的卷积运算，需要哪些东西？

一般主要包括两种：

1），输入层，比如图片处理，输入就是将二维或三维图片转化成的矩阵形式

如右图：

对于图像处理，我们一般是选择局部的，比如处理尾部上面的一块曲线

我们用红色框标注，其对应的矩阵假设为：

2），卷积核，卷积层主要是提取特征的关键，因为它是你需要的特征的过滤器；

上图中，老鼠尾巴，就是我们要提取的特征，那么我们的卷积核应该设为：

二，有了上面的东西，那么怎么提取出来呢

我们将卷积核作用于图片，直接进行卷积运算，我们发现对于识别的特征计算出来的值非常大；

对于上面的卷积：（50*30）+（50*30）+（50*30）+（20*30）+（50*30）=6600；

对于不能识别的特征，计算的值非常小，如下：

对于不能识别de的特征，曲线的卷积核与其卷积后的到de的值为0；

综上所述，我们提取图片特征的关键是设计合理的卷积核，做完卷积后，我们再经过池化，就可以得到相应的值；