卷积神经网络

卷积神经网络（Convolutional Neural Network, CNN）是在全连接神经网络（FCNN）基础上优化而来的深度学习模型，核心优势是保留输入数据的空间结构（尤其适用于图像、视频等二维/三维数据），通过卷积层、池化层的特征提取与降维，解决了FCNN处理图像时破坏空间性、参数冗余的问题，最终通过全连接层完成分类、回归等任务。

1、CNN核心结构组成

CNN的典型结构为“输入层→卷积层（Conv）→池化层（Pool）→[卷积层+池化层]×n→全连接层（FC）→输出层”，其中卷积层和池化层是CNN的核心特征提取模块，全连接层负责最终的结果输出，各模块协同实现“特征提取→特征压缩→分类/预测”的完整流程。

与FCNN相比，CNN的核心改进的是：避免了全连接层对输入维度的强制扁平化（即不直接将图片转为一维向量），通过卷积、池化操作保留图像的空间关联信息（如像素间的相邻关系、纹理特征），同时通过参数共享减少网络参数，降低过拟合风险。

2、卷积层（Convolutional Layer）

卷积层是CNN进行特征提取的核心，核心作用是通过卷积核（Filter）对输入数据进行局部特征捕捉，同时可灵活调整输出数据的通道数和空间维度，其核心细节如下：

核心功能：对输入数据（如图片）进行局部卷积运算，提取底层（如边缘、纹理）和高层（如轮廓、目标）特征，保留数据的空间关联性，避免像FCNN那样破坏空间结构。

核心运算单元——卷积核：卷积核是一个小型的权重矩阵（如3×3、5×5），其数量决定了输出特征图的通道数；卷积核的通道数必须与输入数据的通道数完全一致（例如，输入为3通道彩色图片，每个卷积核也必须是3通道），确保运算的兼容性。

运算逻辑：卷积核在输入数据的空间维度上（高、宽）滑动，逐区域进行加权求和运算，运算完成后加上偏置值（b），得到该区域的特征值；最终所有区域的特征值组合形成输出特征图（Feature Map）。

影响运算的关键参数：填充（Padding）：在输入数据的边缘填充0或其他值，目的是避免边缘特征被丢失，同时可控制输出特征图的维度；常用“Same Padding”（输出维度与输入一致）和“Valid Padding”（无填充，输出维度缩小）。步幅（Stride）：卷积核每次滑动的距离（单位为像素），步幅越大，输出特征图的空间维度越小，运算速度越快；步幅越小，输出维度越大，特征捕捉越细致。

输出维度计算公式：假设输入数据的高为H、宽为W，卷积核高为Kh、宽为Kw，填充为P，步幅为S，则输出特征图的高和宽计算公式如下：

输出高 = (输入高 + 2×填充 - 卷积核高度) / 步幅 + 1

输出宽 = (输入宽 + 2×填充 - 卷积核宽度) / 步幅 + 1

注：公式结果需为整数，若不为整数，需通过调整填充或步幅确保运算有效。

多通道运算规则：当输入为多通道数据（如彩色图片，3通道）时，每个通道会对应卷积核的一个通道进行卷积运算，然后将所有通道的运算结果叠加（求和），得到一张单通道特征图；若使用n个卷积核同时运算，则会得到n张单通道特征图，组合后形成通道数为n的输出特征图（即输出通道数=卷积核数量）。

3、池化层（Pooling Layer）

池化层通常紧跟在卷积层之后，核心作用是对卷积层输出的特征图进行降维压缩，减少网络参数和计算量，同时保留关键特征、抑制过拟合，其核心细节如下：

核心功能：在不改变特征图通道数的前提下，缩小特征图的空间维度（高、宽），保留特征图的核心信息，降低后续全连接层的运算压力；同时能增强网络的鲁棒性（对输入数据的微小偏移、变形不敏感）。

常见池化操作：

最大池化（Max Pooling）：最常用的池化方式，将池化核（如2×2）覆盖区域内的最大值作为输出值，能有效保留特征图中的关键纹理、边缘信息，适合分类任务。

平均池化（Average Pooling）：将池化核覆盖区域内的所有值取平均值作为输出值，能保留特征图的整体灰度信息，减少极端值的影响，适合回归任务或需要保留全局特征的场景。

关键特点：池化操作仅作用于特征图的空间维度（高、宽），不改变通道数（输入通道数=输出通道数）；且池化层无训练参数（无需调整权重w和偏置b），仅通过固定规则进行特征压缩。

输出维度计算公式：与卷积层一致，假设输入特征图的高为H、宽为W，池化核高为Kh、宽为Kw，填充为P，步幅为S，则输出特征图的高和宽为：

输出高 = (输入高 + 2×填充 - 池化核高度) / 步幅 + 1

输出宽 = (输入宽 + 2×填充 - 池化核宽度) / 步幅 + 1 注：池化核常用2×2，步幅常用2，此时输出维度会缩小为输入的1/2（无填充时）。

4、CNN与FCNN的核心区别

空间性保留：CNN通过卷积、池化操作保留输入数据的空间结构，适合处理图像等二维数据；FCNN会将输入扁平化（转为一维），破坏空间关联性。

参数数量：CNN采用参数共享（同一卷积核在整个特征图上复用），参数数量远少于FCNN，不易过拟合；FCNN相邻层全连接，参数冗余。

特征提取：CNN通过卷积核自动提取局部特征，无需人工手动设计特征；FCNN依赖输入数据的人工特征工程。