文章目录
- 一、CNN的基本结构
- 1. 卷积层（Convolutional Layer）
- 2. 池化层（Pooling Layer）
- 3. 全连接层（Fully Connected Layer）
- 二、CNN的工作原理
- 图像表示
- 特征提取与不变性
- 感受野（Receptive Field）
- 三、经典CNN模型
卷积神经网络（Convolutional Neural Networks，CNN）是一种专门用于处理具有网格结构数据（如图像）的深度学习模型。它在图像识别、目标检测、语义分割等领域取得了巨大成功。本文将系统介绍CNN的基本结构、核心原理、常用模型及其训练技巧。
一、CNN的基本结构
一个典型的卷积神经网络主要由以下三种层组成：
1. 卷积层（Convolutional Layer）
卷积层通过卷积核（filter）在输入图像上滑动，提取局部特征。卷积操作的本质是对局部图像与卷积核进行内积运算：
输出 ( i , j ) = ∑ m ∑ n 输入 ( i + m , j + n ) ⋅ 卷积核 ( m , n ) \text{输出}(i,j) = \sum_{m} \sum_{n} \text{输入}(i+m, j+n) \cdot \text{卷积核}(m,n)输出(i,j)=m∑n∑输入(i+m,j+n)⋅卷积核(m,n)
主要参数：
- 卷积核大小（如 3×3、5×5）
- 步长（stride）：每次滑动的像素数
- 填充（padding）：在输入边缘补零，以控制输出尺寸
- 卷积核个数：决定输出特征图的通道数
2. 池化层（Pooling Layer）
池化层用于对特征图进行降采样，减少计算量并增强特征的鲁棒性。
常见类型：
- 最大池化（Max Pooling）：取窗口内的最大值
- 平均池化（Average Pooling）：取窗口内的平均值
3. 全连接层（Fully Connected Layer）
在卷积和池化层提取特征后，全连接层将这些特征映射到样本标签空间，进行分类或回归任务。
二、CNN的工作原理
图像表示
图像在计算机中以像素矩阵形式存储：
- 灰度图：单通道矩阵，值域为 0~255
- RGB图：三通道矩阵，分别对应红、绿、蓝
特征提取与不变性
CNN通过卷积和池化操作，逐步提取从边缘到高级语义的特征，并具有一定的平移、缩放和旋转不变性。
感受野（Receptive Field）
感受野表示输出特征图上的一个像素对应输入图像上的区域大小，随着网络加深，感受野逐渐增大。
三、经典CNN模型
以下是一些里程碑式的CNN结构：
| 模型 | 特点 |
|---|---|
| LeNet | 第一个成功应用的CNN，用于手写数字识别 |
| AlexNet | 引入ReLU、Dropout，使用多层卷积+池化 |
| VGGNet | 全部使用 3×3 卷积，结构规整 |
| GoogLeNet | 提出Inception模块，减少参数量 |
| ResNet | 引入残差连接，解决梯度消失与网络退化 |
| DenseNet | 每层都与前面所有层相连，特征复用性强 |
