卷积神经网络（Convolutional Neural Networks，CNN）是一种特殊的神经网络，它能够自动和自适应地从输入数据中提取特征。CNN在图像识别、语音识别、自然语言处理等领域有着广泛的应用。

CNN 的特点

  • 局部感知：CNN只对局部区域敏感，可以自动提取图像中的局部特征。
  • 参数共享：CNN的卷积核在整个图像中共享，减少了模型的参数数量。
  • 层次化特征表示：CNN通过多层卷积和池化操作，提取图像的不同层次特征。

CNN 的结构

CNN主要由以下几个部分组成：

  • 卷积层：通过卷积操作提取图像特征。
  • 池化层：通过池化操作降低特征维度，减少计算量。
  • 全连接层：将特征映射到输出结果。

CNN 应用

  • 图像识别：例如，在 ImageNet 竞赛中，CNN 获得了很好的成绩。
  • 目标检测：例如，Faster R-CNN、SSD 等算法都使用了 CNN 进行目标检测。
  • 语义分割：例如，DeepLab 系列算法使用了 CNN 进行语义分割。

参考资料

深度学习之 CNN

CNN 架构图