卷積神經網路(Convolutional Neural Network, CNN)是一種專門用於處理具有網格結構數據的深度學習模型,特別擅長於圖像處理、語音識別等應用。CNN 的設計靈感來自於人類視覺系統,通過學習數據中的局部特徵來達到自動化特徵提取的目的。
- 卷積層(Convolution Layer)
卷積層是 CNN 的核心。這一層使用卷積核(又稱為濾波器)來對輸入數據進行滑動操作,逐步提取不同層次的特徵。卷積核會遍歷整張圖片,對局部區域進行運算,生成特徵圖。這樣的局部感知能力讓 CNN 對圖像中的空間關係具有敏感性。
-卷積操作:卷積核在輸入數據上進行滑動,與數據的每個局部區域進行內積計算,生成特徵圖。
-特徵圖(Feature Map):每個卷積核產生一個特徵圖,這些特徵圖反映了不同層次的圖像特徵。
- 激活函數(Activation Function)
卷積層之後通常會應用一個非線性激活函數(如 ReLU,Rectified Linear Unit)來引入非線性,使模型能夠學習到更加複雜的特徵。
-ReLU 函數:常用的激活函數,將所有負數值置為 0,保留正數值,這有助於解決梯度消失問題。