卷积神经网络

卷积神经网络是什么

卷积神经网络（Convolutional Neural Network，CNN）是专门处理图像与视觉数据的神经网络结构：普通网络把图像展开成一行像素会丢失空间关系，CNN 则用"卷积核"在图像上滑动，局部提取特征（边缘、纹理），再层层组合成高级语义（眼睛、车轮、人脸），天然契合图像的二维结构。它是计算机视觉的核心架构——从手机相册人脸识别到自动驾驶目标检测，背后都是 CNN 及其变体。

核心机制

CNN 的两个关键操作：

• 卷积：用一个小窗口（卷积核，如 3×3）在图像上滑动计算，提取局部特征；多个卷积核提取不同类型的特征，网络越深特征越抽象。
• 池化：对特征图做降采样（取最大值/平均值），压缩尺寸、保留关键信息、增强平移不变性。
  通过"卷积提取特征→池化压缩→继续卷积→…→全连接分类"的堆叠，CNN 完成从像素到判断的完整流程。

经典网络与演进

CNN 的里程碑：LeNet（手写数字识别开山之作）、AlexNet（深度学习爆发起点）、ResNet（残差连接解决深层网络退化，让百层网络可训练）。2010 年代 CNN 统治视觉领域；2020 年起 Transformer 架构（ViT）在大规模数据上超越 CNN，成为视觉新主流——但 CNN 的高效与局部归纳偏好仍在移动端、轻量模型与工业场景中广泛使用。

应用场景

图像分类、目标检测（YOLO 系列）、人脸识别、医学影像分析、工业质检、自动驾驶视觉，以及图像生成模型的判别部分（GAN 的判别器）。CNN 是"AI 看懂世界"最重要的架构之一，理解它与卷积机制，是进入计算机视觉领域的第一步。