卷积和池化都是针对大规模图像数据进行处理，提高运算效率

1.Convolution

在大图片中截取小图片patch，对每个patch提取特征，卷积后得到convolved feature.

隐藏层的每个节点对应一个特征值

large  images x_large

small  patches x_small

f = σ(W⁽¹⁾x_small + b⁽¹⁾)

f_s = σ(W⁽¹⁾x_s + b⁽¹⁾)

最后卷积得到convolved feature

f_convolved   是一个的矩阵

2. Pooling

对convolved feature选取pooling region，取特征均值或最大值

Deep Learning5: Convolution and pooling