卷積神經網絡 (CNN)

卷積神經網絡（Convolutional Neural Network, CNN）是專門處理網格結構數據（圖像、時間序列）的架構，通過卷積層提取局部特徵，是計算機視覺的標準方法。

核心組件：

• 卷積層：
• 卷積核（濾波器）在輸入上滑動
• 提取局部特徵（邊緣、紋理、形狀）
• 參數共享：同一卷積核應用於整個輸入

• 池化層：
• 降採樣（Max Pooling、Average Pooling）
• 減少計算量，提供平移不變性

• 全連接層：
• 最後的分類或回歸層
• 將特徵映射轉換為輸出

優勢：

• 參數效率：卷積核遠小於全連接
• 局部連接：捕捉空間局部性
• 平移不變性：目標移動仍能識別
• 層次特徵：
• 淺層：邊緣、顏色
• 中層：紋理、形狀
• 深層：物體部分、整體

經典架構：

• LeNet（1998）：5層，手寫數字識別
• AlexNet（2012）：8層，ImageNet冠軍，深度學習復興
• VGGNet（2014）：16-19層，小卷積核(3×3)堆疊
• ResNet（2015）：殘差連接，可訓練152+層
• EfficientNet（2019）：複合縮放，效率優化

應用領域：

• 圖像分類：物體識別
• 目標檢測：R-CNN、YOLO系列
• 語義分割：像素級分類
• 人臉識別：特徵提取
• 醫學影像：病變檢測
• 視頻分析：時空特徵

與Transformer的對比：

• CNN：歸納偏置強，數據效率高
• Vision Transformer：更靈活，大數據下更強
• 混合趨勢：結合兩者優勢（如ConvNeXt）

現代發展：

• 深度可分離卷積：MobileNet的高效設計
• 空洞卷積：擴大感受野
• 可變形卷積：適應形狀變化
• 神經架構搜索：自動設計CNN

CNN是計算機視覺領域的基石技術。