卷积神经网络 (CNN)

定义

卷积神经网络(Convolutional Neural Network,CNN)是一类专门用于处理具有网格状拓扑结构数据(如图像、音频频谱)的深度前馈神经网络。它通过引入卷积运算与局部连接机制,有效提取数据中的空间层次特征,是计算机视觉领域的奠基性架构。[1]

原理

CNN 的核心是卷积层。卷积核(滤波器)在输入特征图上滑动并执行点积运算,从而捕捉边缘、纹理等局部模式。其设计蕴含两大归纳偏置:局部连接,使每个神经元仅响应感受野内的局部区域;权值共享,即同一卷积核在整幅图像上复用,大幅减少参数量并赋予模型平移不变性。卷积层之后通常接入非线性激活函数(如 ReLU)与池化层,后者通过下采样降低空间分辨率、扩大感受野并增强鲁棒性。多个卷积-池化模块堆叠形成由浅至深的特征层级,浅层捕捉低级特征,深层组合出高级语义,最终经全连接层完成分类或回归。

特点

CNN 的优势在于参数高效、对平移具有不变性,并能自动学习层次化特征,免去人工特征工程。其局限包括感受野受限难以建模长距离全局依赖,以及对旋转、尺度变化的不变性较弱。经典网络如 LeNet、AlexNet、VGG、GoogLeNet 与 ResNet 不断通过加深网络、引入残差连接等手段提升性能。

应用

CNN 广泛应用于图像分类、目标检测、语义分割、人脸识别、医学影像分析与视频理解等任务,亦延伸至语音识别与自然语言处理。尽管近年 Transformer 架构在视觉领域崛起,CNN 凭借其高效性与强归纳偏置,在资源受限与实时场景中仍占据重要地位。