卷积神经网络 (CNN)
概述
卷积神经网络（CNN，Convolutional Neural Network）是处理网格状数据（如图像、视频）的核心架构。通过局部连接、权值共享和池化，CNN 自动提取层次化空间特征，从边缘纹理到高级语义，广泛应用于图像分类、目标检测、语义分割等视觉任务。自 2012 年 AlexNet 在 ImageNet 夺冠以来，CNN 成为计算机视觉的基石。
核心原理
局部连接：卷积核在输入上滑动，每个位置只与局部区域计算，符合图像的局部相关性——相邻像素关系密切，远距离像素关系较弱。
权值共享：同一卷积核扫遍整张图，同一模式（如边缘）在不同位置用同一组参数检测，大幅减少参数量并增强平移不变性。
层次化特征：浅层提取边缘、纹理，深层组合为部件和物体，形成从低级到高级的特征金字塔。
关键技术
卷积层：卷积核（如 3×3、5×5）与输入做互相关运算，多个卷积核产生多个特征图。步长（Stride）控制输出尺寸，填充（Padding）保持边界信息。
池化层：最大池化取局部最大值，保留显著特征、增强平移不变性；平均池化取均值，平滑效果更强；全局平均池化将特征图压缩为标量，常用于分类头。
残差连接：ResNet 引入跨层 shortcut，缓解深层网络的梯度消失，使训练上百层成为可能。
代表性工作
| 模型 | 年份 | 特点 |
|---|---|---|
| LeNet-5 | 1998 | 手写数字识别，CNN 先驱 |
| AlexNet | 2012 | ImageNet 冠军，开启深度学习时代 |
| VGGNet | 2014 | 3×3 卷积堆叠，结构规整 |
| ResNet | 2015 | 残差连接，可训练上百层 |
| EfficientNet | 2019 | 复合缩放，效率与精度平衡 |
应用场景
- 图像分类：CNN 因效率高、易部署而仍在大量实际系统中使用。
- 目标检测：YOLO、Faster R-CNN 等模型。
- 语义分割：U-Net、DeepLab 等。
- 人脸识别：身份验证与识别。
- 医学影像分析：辅助诊断与病灶检测。
- 自动驾驶视觉感知：环境感知与目标检测。
- 工业质检：缺陷检测与质量监控。
发展趋势
- Vision Transformer：在部分任务上超越 CNN。
- 混合架构：ConvNeXt、CoAtNet 等结合卷积与注意力。
- 轻量化网络：MobileNet、EfficientNet 等适配移动端与边缘设备。
- 神经架构搜索（NAS）：自动设计网络结构。
推荐资源
- 论文：Deep Residual Learning for Image Recognition
- 课程：Stanford CS231n - Convolutional Neural Networks for Visual Recognition
- 实践：PyTorch 官方教程