2、卷积神经网络（CNN）：原理、计算与架构解析

卷积神经网络（CNN）：原理、计算与架构解析

1. 图像特征提取挑战与卷积神经网络引入

在处理图像数据时，我们面临几个重大挑战：
- 高维度问题 ：图像的维度可能非常大。例如，一个 2MP 的图像，若分辨率为 1600x1200，每张图像将有 190 万个像素。
- 空间变化问题 ：通过图像捕获的数据并非总是居中对齐。比如，一张图像中的猫可能在角落，而另一张中可能在中心，模型需要能够捕捉信息的空间变化。
- 旋转不变性问题 ：图像中的猫可以沿垂直或水平方向旋转，但仍然是猫，因此需要一个强大的解决方案来捕捉这些差异。

为了解决这些问题，我们引入了卷积神经网络（CNN）。CNN 的核心思想是将问题分解为更小、更易管理的部分。我们通过内核将图像分解为多个特征图，并按顺序使用这些特征图来构建模型，该模型可用于任何下游或前置任务。

2. 卷积操作基础

内核是特征提取器，它可以提取边缘、梯度、模式等特征。通常使用方阵在图像的第一步和后续特征图上执行卷积任务。卷积任务可以看作是最简单的点积任务。

例如，一个 3x3 的内核在 3x3 的特征图上进行点积运算，得到一个值。由于图像或特征图通常较大，内核不会只在一个 3x3 的矩阵上操作，而是会向前移动一定步长来计算下一次卷积操作。

下面是一个具体的例子，一个 5x5 的特征图与一个 3x3 的内核进行卷积，得到一个 3x3 的特征图：

graph LR