卷积神经网络#

术语解释#

卷积神经网络（Convolutional Neural Network, CNN） 是深度学习中第一种基于卷积运算的网络结构，主要用于对在相邻空间位置上具有依赖关系的数据（如图像）进行特征提取。

CNN 是一种通过卷积核（扫描器）在输入数据上滑动并执行内积运算来提取特征的神经网络，它完全摒弃了全连接层将图像拉伸为向量的做法，而是保留了图像的原始维度信息。

一个典型的 CNN 通常由卷积层（提取局部特征）、激活层（引入非线性）、池化层（降维与筛选信息）以及最后的全连接层（分类或回归）组成，其核心思想是在空间上共享权重，这使得同一个卷积核可以识别图像中不同位置的相同特征 。

出现动机#

受到生物学中“祖母细胞”概念的启发，研究者希望模型能像人类视觉系统一样，无论物体出现在照片的哪个位置、明暗如何，都能准确识别。对于全连接网络来说，它需要将二维图片展开成一维向量，这会严重丢失像素点在相邻位置上的空间依赖关系。如果训练集中某个特征（如“横折”）只出现在中心，那么当该特征移动到边缘时，模型将无法识别，除非提供涵盖所有位置的大规模训练集

同时，对于高分辨率图片，全连接层会导致权重参数数量爆炸（动辄数亿个），极易造成显存溢出且难以训练

优点缺点#

• 优点：

  • 擅长空间特征提取：能够有效捕捉图像中的局部相关性，识别物体的轮廓、边缘等空间信息。

  • 参数效率高（权重共享）：由于多个位置共享同一个卷积核参数，CNN 的参数量相较于全连接网络呈几何倍数减少，这使得训练深层网络成为可能。

  • 平移不变性：通过卷积扫描和池化操作，模型对物体在图像中的位置变化不敏感，具有更强的鲁棒性。

  • 层级化抽象能力：通过深度卷积，网络能够从底层的边缘特征逐步提取出高层的、极其抽象的语义特征。

• 缺点：

  • 计算开销依然显著：虽然参数量减少了，但对于超深层网络（如 VGG-19 或 ResNet-152），处理高分辨率图像仍需要巨大的计算资源和显存。

  • 池化导致信息损失：池化操作虽然能防止过拟合并减少计算量，但它本质上是一种信息过滤，过大的池化窗口会导致特征图变得模糊，从而丢失细粒度的细节信息。

  • 结构设计复杂：卷积核大小、步长（Stride）、填充（Padding）以及网络深度的选择往往缺乏统一标准，需要依赖大量实验经验进行调优。

  • 无法处理时序依赖（标准 CNN）：传统的 2D CNN 无法建模时间维度上的信息，处理视频等动态数据时需要结合 RNN 或使用 3D 卷积

术语别名#

• CNN

• 卷积神经网络

相关术语#

• CNN

• 3DCNN

• RNN