基础知识学习,主要内容,卷积神经网络StackedHourglass算法ConditionalRandomField,卷积神经网络,卷积神经网络（CNN）由输入层、卷积层、激活函数、池化层、全连接层组成，即INPUT-CONV-RELU-POOL-FC(1)卷积层：用它来进行特征提取，如下：输入图像是32*32*3，3是它的深度（即R、G、B），卷积层是一个5*5*3的filter(感受野)，这里注意：感受野的深度必须和输入图像的深度相同。通过一个filter与输入图像的卷积可以得到一个28*28*1的特征图，上图是用了两个filter得到了两个特征图；,卷积神经网络,输入图像和filter的对应位置元素相乘再求和，最后再加上b,得到特征图。如图中所示，filterw0的第一层深度和输入图像的蓝色方框中对应元素相乘再求和得到0，其他两个深度得到2，0，则有0+2+0+1=3即图中右边特征图的第一个元素3.，卷积过后输入图像的蓝色方框再滑动，stride=2，如下：,卷积神经网络,如上图，完成卷积，得到一个3*3*1的特征图；在这里还要注意一点，即zeropad项，即为图像加上一个边界，
