卷积神经网络概述

卷积神经网络（Convolutional Neural Network, CNN）是一种专为处理网格状数据（如图像、视频、音频）设计的深度学习模型。其核心思想是通过局部感受野、权值共享和池化操作，高效提取空间层次特征，广泛应用于计算机视觉、自然语言处理等领域。

核心组件

卷积层（Convolutional Layer）
通过滑动滤波器（卷积核）对输入数据进行局部加权求和，提取边缘、纹理等低级特征。数学表达式为：
$$(f * g)(x, y) = \sum_{i=-a}^{a} \sum_{j=-b}^{b} f(i, j) \cdot g(x-i, y-j)$$
其中 ( f ) 为输入，( g ) 为卷积核，( (x, y) ) 为输出位置。

池化层（Pooling Layer）
降低特征图的空间维度，增强平移不变性。常见方式包括最大池化（Max Pooling）和平均池化（Average Pooling）。

全连接层（Fully Connected Layer）
将卷积和池化提取的特征整合，用于最终分类或回归任务。

经典网络结构

1. LeNet-5
   早期用于手写数字识别的CNN，包含2个卷积层、2个池化层和3个全连接层。
2. AlexNet
   首次引入ReLU激活函数和Dropout，赢得2012年ImageNet竞赛。
3. ResNet
   通过残差连接解决深层网络梯度消失问题，支持超过100层的训练。

代码示例（PyTorch实现）

import torch
import torch.nn as nn

class SimpleCNN(nn.Module):
    def __init__(self):
        super(SimpleCNN, self).__init__()
        self.conv1 = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1)
        self.pool = nn.MaxPool2d(kernel_size=2, stride=2)
        self.fc = nn.Linear(16 * 16 * 16, 10)  # 假设输入为32x32图像

    def forward(self, x):
        x = self.pool(torch.relu(self.conv1(x)))
        x = x.view(-1, 16 * 16 * 16)
        x = self.fc(x)
        return x

优化技巧

• 数据增强：旋转、裁剪等操作提升模型泛化能力。
• 批量归一化（BatchNorm）：加速训练并稳定梯度。
• 迁移学习：复用预训练模型（如VGG、ResNet）的卷积层参数。

应用场景

• 图像分类（如医学影像分析）
• 目标检测（如YOLO、Faster R-CNN）
• 语义分割（如U-Net）
• 生成任务（如GAN中的生成器）

通过调整层数、卷积核大小和训练策略，CNN可灵活适配不同任务需求。