卷积神经网络（Convolutional Neural Network, CNN）是一种专门用于处理网格状数据 （如图像、语音、视频）的深度学习模型。它的核心思想是通过局部连接 和权值共享来有效提取数据的空间特征，同时大大减少模型参数。
一、 核心动机：为什么需要CNN？
传统全连接神经网络（Dense Layer）在处理图像时存在巨大缺陷：
- 参数爆炸：一张 1000x1000 像素的彩色图像，输入层就有 300 万个节点。如果第一隐藏层有 1000 个节点，仅这一层就需要 30 亿个参数，训练成本极高。
- 空间信息丢失：全连接层将图像"压平"成一维向量，破坏了像素之间的空间关系（如边缘、纹理）。
CNN 通过模仿人类视觉系统，解决了这两个问题。
二、 核心组件详解
1. 卷积层 (Convolutional Layer)
这是 CNN 的灵魂，用于提取特征。
- 工作原理 ：使用一个小的卷积核 （Filter/Kernel，如 3x3 或 5x5 的矩阵）在输入图像上从左到右、从上到下滑动 。在每一个位置，计算卷积核与对应图像区域的点积 ，得到一个数值，最终输出一个特征图（Feature Map）。
- 关键概念 ：
- 局部连接：每个神经元只连接输入的一小块区域（感受野），而不是全部。
- 权值共享：同一个卷积核在图像不同位置使用相同的权重。这意味着无论边缘出现在图像的哪个角落，都由同一个"边缘检测器"来识别。
- 参数 ：
Stride（步长，决定滑动距离）、Padding（填充，决定输出尺寸）。
2. 池化层 (Pooling Layer)
用于降维 和保持平移不变性。
- 工作原理 ：对特征图进行下采样，通常使用最大池化 （Max Pooling）或平均池化（Average Pooling）。例如，一个 2x2 的池化窗口会取该区域内最大的值作为输出。
- 作用 ：
- 减少计算量，防止过拟合。
- 使模型对图像中物体的微小位移（如猫头稍微移动）不敏感。
3. 全连接层 (Fully Connected Layer)
通常在网络的末端，将提取到的二维特征图"展平"成一维向量，然后像传统神经网络一样进行分类或回归。
三、 经典架构流程
一个典型的 CNN 结构遵循"卷积-激活-池化"的堆叠模式，最后接全连接层。
输入图像 → 卷积层 → 激活函数（ReLU） → 池化层 × N → 展平 → 全连接层 → 输出
- 浅层卷积：提取低级特征（如边缘、角点、颜色）。
- 深层卷积：组合低级特征，形成高级语义特征（如眼睛、鼻子、车轮）。
四、 经典模型示例
- LeNet-5：用于手写数字识别，开创了 CNN 的先河。
- AlexNet：在 ImageNet 竞赛中一战成名，证明了深度学习在视觉领域的巨大潜力。
- VGGNet：探索了网络深度的重要性（使用连续的 3x3 卷积）。
- ResNet：引入"残差连接"，解决了深度网络难以训练（梯度消失）的问题。
五、 总结
CNN 通过卷积 提取局部特征，通过池化 压缩信息，通过深度堆叠组合复杂特征，使其成为计算机视觉领域最基础且最强大的工具之一。