在介绍了卷积网络是什么之后，我们终于可以来分析为什么卷积网络能够实现图像检测的功能。首先，什么是图像的检测？图像检测其实要解决的是一个图像分类的问题，即这张图是什么。图像分类有两种方式，一种是二分类，即一张图像是某个对象，或不是某个对象，是回答一个是和否的问题。另一种方式是多分类，给定一个完整的分类列表，分别计算图像属于每一个分类的概率是多少，比如一张照片，它上面是猫，狗，兔子的概率分别是多少，还是什么都不是。

那么卷积网络是如何完成这一分类任务的呢？

还是借用上面那张图，用一个形象但不那么准确的解释：首先，网络第一步是提取特征，而提取特征又是按从小到大的过程，最开始提取到的是线条，由线条再组成部件，再由部件再组成整体。然后根据计算出来的每一类整体的概率，进行分类判断。

比如说，要识别一只猫，我们首先提取到的是线条，由线条进一步提取到猫的眼睛，嘴巴，胡子，然后由这些再提取到猫的头；根据同样的道理，提取到猫的四条腿，背部，肚子，尾巴等等。根据这些局部特征，再放到所有动物的分类里面去，计算出每个分类的值的大小，值越大，则概率越大。

当然，之后以说这个说法不是很准确，是因为计算机并不跟人一样，会将猫的特征分解为头，四肢，尾巴等等，根据它学习的结果，可能会有一套不同的分法，而且比人类的分法可能更适合于进行图片的分类，但是我们就无从得知了。假设又一种特殊的情况，在某一次计算机的学习当中，刚好将猫的特征也构建成跟人类的眼睛一样，把猫分成头，四肢，尾巴这样的分法，那么我们就可以套用上面这套解释了。

以下我们将通过比较严谨的方式来证明这套方法。这部分内容大概包括：特征提取，特征的组合，分类，以及网络的训练等几个部分。