CNN
大约 4 分钟
CNN
一、一句话先说明白：CNN 到底是啥？
CNN（卷积神经网络）就是一台“会自己学会看图的机器”。
- 人看图片：先看轮廓，再看形状，最后判断是什么
- CNN 看图片：一层一层学特征，最后给出结论
二、先讲最关键的：机器是怎么“看图片”的？
1. 图片在电脑里其实不是“照片”
在电脑里，一张图片本质上是 一堆数字：
- 黑色 ≈ 0
- 白色 ≈ 255
- 彩色 = 红绿蓝三组数字
例如一小块图片可能是这样：
120 125 130
118 122 128
110 115 120CNN 不看“猫”“人”“车”，它只看这些数字。
三、CNN 的第一步：学会“看局部”
人看东西不是一眼看全图，而是先看局部。
CNN 也是一样。
CNN 用的工具叫：卷积核（小窗口）
你可以把它理解成：
“一个 3×3 的小放大镜，在图片上慢慢滑动”
这个小窗口会做三件事：
- 覆盖图片的一小块
- 和图片里的数字做计算
- 得到一个新数字
四、卷积到底在算什么？（极度白话版）
你可以这样理解：
卷积 = 检查这一小块像不像某种特征
比如这个小窗口可以专门用来检查：
- 是不是一条“横线”
- 是不是一条“竖线”
- 是不是一个拐角
如果很像 → 给高分 如果不像 → 给低分
五、第一层卷积：只学最简单的东西
CNN 的第一层通常学的是：
- 边缘
- 线条
- 明暗变化
你可以理解为：
“这一层只负责：哪里有线条？”
六、第二层卷积：开始学“形状”
第二层不再看原图，而是看 第一层的结果。
它学的东西更复杂：
- 圆形
- 角
- 简单结构
这就像：
- 第一层：学会画“笔画”
- 第二层：学会认“字的一部分”
七、越往后，越“聪明”
再往后的层，CNN 能学到：
- 猫的耳朵
- 车轮
- 人脸轮廓
⚠️ 重点来了：
这些特征不是人教的，是 CNN 自己“试错学会的”
八、为什么中间要“压缩”？（池化层）
CNN 学的特征越来越多，图片也越来越大，怎么办？
我们会用池化（Pooling）。
池化是干嘛的？
一句话：
保留重点，丢掉细节
比如：
2 5
1 3最大池化后只留下：5
好处：
- 图片变小
- 计算更快
- 不容易被噪声干扰
九、到这里，CNN 已经“看懂图片”了
经过多层卷积 + 池化之后：
- 图片已经不是“像素”
- 而是 一堆高级特征
此时 CNN 知道：
- “这里像耳朵”
- “那里像轮子”
- “这个结构像猫”
十、最后一步：做选择（全连接层）
现在问题来了：
这些特征到底代表什么？
于是 CNN 用 全连接层 来做判断。
你可以把它想成：
“考试打分系统”
- 猫：92 分
- 狗：6 分
- 汽车：2 分
分数最高的，就是答案。
十一、CNN 是怎么学会的？（训练过程）
1. 给它一张图
“这是猫”
2. CNN 猜
“我觉得是狗”
3. 告诉它错了
“你错了，扣分”
4. 它自动调整参数
下次猜得更准
这一步重复 成千上万次。
十二、为什么 CNN 这么厉害？
| 原因 | 说明 |
|---|---|
| 自动学特征 | 不用人工写规则 |
| 只看局部 | 更像人眼 |
| 参数共享 | 不容易爆炸 |
| 层次理解 | 从简单到复杂 |
十三、CNN 能用来干什么？
- 人脸识别
- 医学影像
- 自动驾驶
- 安防监控
- OCR 文字识别
- 视频分析
只要是“看图”的活，CNN 都能干。
十四、一句终极总结（给奶奶版）
CNN 就是一台会自己学习“怎么看图”的机器
它先学线条，再学形状，最后学整体
看得多了，自然就认识猫、狗、车、人