卷积神经网络 (CNN)

卷积神经网络 (CNN) 是一种专门类型的神经网络 (NN)，对于处理具有网格状拓扑的数据（例如图像）非常有效。受人类视觉皮层的启发，CNN 自动且自适应地从输入数据中学习特征的空间层次结构。这使得它们成为大多数现代计算机视觉 (CV)任务的基础架构，在从图像分类到目标检测的所有方面都取得了最先进的结果。

卷积神经网络 (CNN) 如何工作

与标准神经网络（其中一层中的每个神经元都连接到下一层中的每个神经元）不同，CNN 使用一种称为卷积的特殊数学运算。这使得网络能够学习局部感受野中的特征，从而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：

1. 卷积层： 这是核心构建块，其中过滤器（或内核）在输入图像上滑动以生成 特征图。 这些图突出显示了边缘、角和纹理等模式。 这些过滤器的大小以及它们检测到的模式在 模型训练 期间学习。
2. 激活层：每次卷积后，都会应用激活函数（如ReLU）来引入非线性，从而使模型能够学习更复杂的模式。
3. 池化（降采样）层：该层减少了特征图的空间维度（宽度和高度），从而降低了计算负载，并有助于使检测到的特征对位置和方向的变化更加鲁棒。关于该主题的经典论文是 ImageNet Classification with Deep Convolutional Neural Networks。
4. 全连接层: 在经过几个卷积层和池化层之后，高级特征被展平并传递到全连接层，该层基于学习到的特征执行分类。

CNN 与其他架构

虽然 CNN 是一种 深度学习 模型，但它们与其它架构有显著差异。

• 神经网络 (NN)：标准 NN 将输入数据视为平面向量，从而丢失所有空间信息。CNN 保留了这些信息，使其成为图像分析的理想选择。
• 视觉 Transformer (ViT)：与 CNN 不同，CNN 在空间局部性方面具有很强的归纳偏置， ViT 将图像视为图块序列并使用 自注意力机制 机制来学习全局关系。 ViT 通常需要更多数据进行训练，但在长程上下文很重要的任务中表现出色。 许多现代模型，如 RT-DETR，使用混合方法，结合 CNN backbone 基于 Transformer 的 detection head.

实际应用

CNN 是无数现实世界应用背后的驱动力：

• 目标检测: Ultralytics YOLO 系列的模型，例如 YOLOv8 和 YOLO11，利用 CNN 作为骨干网络，以惊人的速度和准确性识别和定位图像及视频中的对象。这项技术对于从 汽车人工智能 系统到 人工智能驱动的库存管理 等各个领域都至关重要。
• 医学图像分析: 在医疗保健领域，卷积神经网络（CNN）通过分析医学扫描图像（X射线、核磁共振、CT）来辅助放射科医生检测肿瘤、骨折和其他异常。正如美国国立卫生研究院（NIH）等机构的研究强调的那样，这种应用有助于提高诊断速度和一致性。您可以浏览Ultralytics医学图像分析以获取更多信息。
• 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。

工具和框架

强大的工具和框架为开发和部署CNN提供支持：

• 库: 像PyTorch（参见PyTorch官方网站）和TensorFlow这样的流行库提供了用于构建和训练CNN的高级API。像Keras这样的高级API进一步简化了开发。
• 平台：像 Ultralytics HUB 这样的平台简化了整个过程，从管理数据集到训练模型和部署它们。有效的模型创建通常需要仔细的超参数调整，并受益于全面的模型训练技巧。为了获得优化的性能，您可以探索像 OpenVINO 和 TensorRT 这样的集成。