术语表

卷积神经网络（CNN）

了解卷积神经网络 (CNN) 如何彻底改变计算机视觉，为医疗保健、自动驾驶汽车等领域的人工智能提供动力。

卷积神经网络（CNN）是一种专门的神经网络（NN），对于处理具有网格状拓扑结构的数据（如图像）非常有效。受人类视觉皮层的启发，卷积神经网络能自动、自适应地从输入数据中学习空间层次特征。这使它们成为大多数现代计算机视觉（CV）任务的基础架构，在从图像分类到物体检测等各个方面都取得了最先进的成果。

Cnn 如何工作

与标准的神经网络（一层中的每个神经元都与下一层中的每个神经元相连）不同，CNN 使用一种特殊的数学运算，称为卷积。这样，网络就能在局部感受野中学习特征，保留像素之间的空间关系。

典型的 CNN 架构由几个关键层组成：

卷积层：这是核心构件，滤波器或内核在输入图像上滑动，生成特征图。这些图可以突出边缘、角落和纹理等模式。这些滤波器的大小及其检测到的模式是在模型训练过程中学习到的。
激活层：每次卷积后，都会应用ReLU等激活函数引入非线性，使模型能够学习更复杂的模式。
池化（下采样）层：该层减少了特征图的空间维度（宽度和高度），从而降低了计算负荷，并有助于使检测到的特征对位置和方向的变化更加稳健。有关该主题的一篇经典论文是《利用深度卷积神经网络进行图像网络分类》（ImageNet Classification with Deep Convolutional Neural Networks）。
全连接层：经过几个卷积层和池化层后，高级特征被扁平化并传递到全连接层，该层根据学习到的特征进行分类。

虽然 CNN 是深度学习模型的一种，但它们与其他架构有很大不同。

神经网络（NN）：标准的神经网络将输入数据视为平面向量，丢失了所有空间信息。CNN 则保留了这些信息，因此非常适合图像分析。
视觉转换器（ViTs）:与 CNN 不同，CNN 对空间位置有强烈的归纳偏差、 ViTs 将图像视为一连串补丁，并使用自我关注学习全局关系的机制。ViT 通常需要更多的数据来训练，但在长程背景非常重要的任务中却能表现出色。许多现代模型，如 RT-DETR使用混合方法，将 CNN backbone 使用基于变压器的 detection head.

CNN 是无数实际应用背后的驱动力：

物体检测：Ultralytics YOLO系列的模型（如YOLOv8和YOLO11）利用 CNN 主干网在图像和视频中识别和定位物体，速度和准确性都非常出色。从汽车系统中的人工智能到人工智能驱动的库存管理，这项技术都至关重要。
医学图像分析：在医疗保健领域，CNN 通过分析医学扫描（X 光、核磁共振成像、CT）协助放射科医生检测肿瘤、骨折和其他异常情况。这种应用有助于提高诊断速度和一致性，美国国立卫生研究院（NIH）等机构的研究就强调了这一点。如需了解更多信息，请访问Ultralytics 医学影像分析。
图像分割：对于需要像素级理解的任务，例如需要区分道路和行人的自动驾驶汽车，基于 CNN 的架构（如U-Net）被广泛用于图像分割。

强大的工具和框架为开发和部署 CNN 提供了支持：

库：PyTorch（参见PyTorch 官方网站）和TensorFlow等流行库为构建和训练 CNN 提供了高级 API。Keras等高级 API 进一步简化了开发过程。
平台：Ultralytics HUB等平台简化了从管理数据集到训练模型和部署模型的整个流程。有效的模型创建通常需要仔细调整超参数，并受益于全面的模型训练技巧。为了优化性能，您可以探索OpenVINO和TensorRT 等集成。