卷积神经网络（CONVOLUTIONAL NEURAL NETWORK, CNN）到底是什么？全面理解CNN

最新推荐文章于 2025-06-12 14:52:44 发布

线粒体小亚

最新推荐文章于 2025-06-12 14:52:44 发布

阅读量1.8k

点赞数 24

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签： cnn 人工智能神经网络

本文链接：https://blog.csdn.net/AveryHzzz/article/details/144284399

补充：深度学习

深度学习的概念源于人工神经网络，但是并不完全等于传统神经网络。不过在叫法上，很多深度学习演算法中都会包含”神经网路”这个词，比如：卷积神经网络、循环神经网络。所以，深度学习可以说是传统神经网络的升级版，约等于神经网络。

深度学习主要的特征就是：

利用了复杂结构，会有多个处理层；

深度学习引入了概率生成模型，可以自动从训练集里提取特征。

卷积神经网络（Convolutional Neural Network, CNN）

历史

1962年，Hubel（休贝尔）和Wiesel（威塞尔）

20世纪60年代初，David Hubel，Torsten Wiesel（托斯滕·威塞尔），和Steven Kuffler一起到哈佛大学，在哈佛医学院建立了神经生物学系。

他们们在论文《Receptive fields, binocular interaction and functional architecture in the cat's visual cortex》（猫视觉皮层的感受野、双眼交互和功能结构）中提出了Receptive fields（感受野）的概念。这个概念在视觉系统中的信息处理方面有非常大的贡献，所以，他们在1981年获得了诺贝尔生理学或医学奖。

大概的内容就是：Hubel和Wiesel记录了猫脑中各个神经元的电活动。他们用幻灯机向猫展示特定的模式，并且指出刺激了大脑特定部位的活动。这种单神经元记录，是当时的一项创新，他们通过这些实验系统地创建了视觉皮层的地图。

1980年，福岛邦彦

1980年，日本科学家福岛邦彦在论文《Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position》（Neocognitron：一种不受位置变化影响的模式识别机制的自组织神经网络模型）提出了一个包含卷积层、池化层的神经网络结构。

他已经退休了，被誉为“八十多岁仍在奋斗的全球人工智能专家”。

1998年，Yann Lecun（闫乐康）

1998年，在这个基础上，Yann Lecun在论文《Gradient-Based Learning Applied to Document Recognition》（应用于文档识别的基于梯度的学习）中，提出了LeNet-5，将BP算法应用到这个神经网络结构的训练上，就形成了当代卷积神经网络的雏形。

原始的CNN效果并不算好，而且训练也非常