卷积神经网络（CNN）是深度学习领域的重要分支，广泛应用于图像识别、目标检测等任务。其核心思想是通过局部感知和参数共享机制，高效提取图像特征。
核心原理 🔍
- 卷积层：使用滤波器（kernel）滑动扫描图像，生成特征图（Feature Map）
- 激活函数：引入非线性（如ReLU）增强模型表达能力
- 池化层：通过下采样（如Max Pooling）降低数据维度
- 全连接层：最终将特征映射到分类结果
应用场景 🎯
- 图像分类（如MNIST手写数字识别）
- 目标检测（如YOLO算法）
- 图像生成（如GANs）
- 医疗影像分析（如肿瘤检测）
学习资源 📚
- 深入理解CNN架构：learn/deep-learning/cnn-architecture
- 实战项目：learn/deep-learning/cnn-project
- 可视化工具：learn/deep-learning/cnn-visualization