【深度学习】常见模型-卷积神经网络（Convolutional Neural Networks, CNN）

卷积神经网络（CNN）

概念简介

卷积神经网络（Convolutional Neural Networks, CNN）是一种专门用于处理数据具有网格状拓扑结构（如图像、语音）的深度学习模型。它通过卷积操作从输入数据中提取局部特征，并逐层构建更复杂的特征表示，广泛应用于图像分类、目标检测、语音识别等领域。

---

关键组成部分

1. 卷积层（Convolutional Layer）

   • 使用卷积核（滤波器）在输入上滑动，提取局部特征。
   • 每个卷积核会学习一个特定的特征，例如图像的边缘、纹理等。

2. 激活函数（Activation Function）

   • 常用 ReLU 激活函数，使模型具有非线性能力。
   • 如：ReLU(x)=max⁡(0,x)\text{ReLU}(x) = \max(0, x)ReLU(x)=max(0,x)

3. 池化层（Pooling Layer）

   • 减少特征图的维度，降低计算复杂度，同时保留主要特征。
   • 常见方法：最大池化（Max Pooling）和平均池化（Average Pooling）。

4. 全连接层（Fully Connected Layer, FC Layer&#