卷积神经网络 (CNN)

卷积神经网络（CNN）是一种专为处理具有网格状拓扑结构的数据（尤其是数字图像）而设计的深度学习架构。受视觉皮层生物结构的启发，CNN具备独特能力，能够在输入数据中保留空间关系。 与传统神经网络将图像扁平化为长数列不同，卷积神经网络通过分析图像中微小重叠区域，自动学习从简单边缘纹理到复杂形状物体的分层特征。这种能力使其成为现代计算机视觉（CV）系统的基础技术。

卷积神经网络的工作原理

CNN 的强大之处在于它能够将复杂的图像简化为更易于处理的形式，同时不丢失对获得良好预测至关重要的特征。这是通过一系列独特的层（layers）实现的，这些层将输入体（input volume）转换为输出类别或值：

• 卷积层：这是核心构建块。它使用一组可学习的滤波器（或卷积核），像手电筒一样在输入图像上滑动。在每个位置，滤波器执行一个称为卷积的数学运算，创建一个特征图，突出显示水平线或颜色梯度等特定模式。
• 激活函数： 在 卷积之后，会对输出应用一个非线性函数。最常见的选择是 ReLU（修正线性单元），它将负像素值变为零。这引入了非线性，使网络能够学习超越简单线性关系的复杂模式。
• 池化层：也称为下采样，该层可降低特征图的维度。最大池化等技术仅保留区域内最重要的特征（最高值），从而减轻计算负荷并有助于防止过拟合。
• 全连接层：在最终阶段，经过处理的特征被展平并输入到标准神经网络（NN）中。该层利用前几层识别出的高级特征进行最终分类或预测，例如"猫"或"狗"。

实际应用

卷积神经网络通过以超乎人类的精度自动化视觉任务，彻底改变了多个行业。

• 医疗诊断：在医疗保健领域，CNN通过比人眼更快地识别医学扫描中的异常，辅助放射科医生。例如，深度学习模型分析MRI和CT扫描，以detect肿瘤或骨折的早期迹象。涉及放射学AI的研究强调了这些工具如何提高诊断的一致性和速度。
• 自主系统：自动驾驶汽车高度依赖卷积神经网络（CNN）来感知周围环境。诸如YOLO26等模型采用高效的卷积神经网络骨干结构，实现实时目标检测，识别行人、交通标志及其他车辆，从而在瞬间做出驾驶决策。

卷积神经网络与视觉变换器（ViT）

虽然卷积神经网络（CNN）长期以来一直是视觉任务的标准方案，但一种名为 Transformer ViT）的新型架构已然崛起。

• 卷积神经网络 (CNN) 使用局部特征处理图像，并且由于其“归纳偏置”（它们假设相邻像素相关），在较小数据集上效率很高。它们在需要边缘设备上 实时推理 的场景中表现出色。
• ViTs将图像分割为补丁，并通过全局自注意力机制进行处理。这使其能够捕捉图像中的长程依赖关系，但通常需要海量数据集和更强的计算能力才能有效训练。

实施实例

现代库使得使用基于卷积神经网络（CNN）的模型变得非常简单。 ultralytics 该软件包提供对YOLO26等尖端模型的访问权限，这些模型采用高度优化的卷积神经网络（CNN）架构，可实现快速推理。

以下示例演示了如何加载预训练的卷积神经网络（CNN）模型并执行预测：

from ultralytics import YOLO

# Load a YOLO26 model, which uses an advanced CNN architecture
model = YOLO("yolo26n.pt")

# Run inference on an image to identify objects
results = model("https://ultralytics.com/images/bus.jpg")

# Display the prediction results
results[0].show()

开发工具

CNN的开发得到了强大的开源工具生态系统的支持。工程师通常使用PyTorch或TensorFlow等框架来构建自定义架构。这些库提供了卷积和反向传播所需的底层tensor操作。

对于希望简化计算机视觉项目生命周期（从数据收集到部署）的团队，Ultralytics平台提供了一个全面的解决方案。它简化了复杂的工作流程，使开发人员能够专注于应用CNN解决业务问题，而不是管理基础设施。此外，模型可以导出为ONNX或TensorRT等格式，以便在边缘设备上进行高性能部署。