一、传统神经网络和卷积神经网络的对比

传统神经网络：

        传统神经网络一般为全连接结构，神经元层层全部相连，输入图像需要展平为一维向量，丢失像素的空间位置关系。它参数量庞大，计算成本高，容易发生过拟合，无法自动提取图像局部特征，对物体平移、形变适应性差，更适合一维表格数据。

卷积神经网络

        卷积神经网络依靠局部感受野、权重共享与池化操作，卷积核只提取局部特征，大幅减少参数。网络逐层提取边缘、轮廓、高层语义特征，保留图像二维空间信息，池化带来平移不变性。CNN 计算效率更高，泛化能力更好，在图像识别等视觉任务上效果远优于传统全连接神经网络。

二、CNN结构

输入层（Input layer)

卷积层（convolution layer)

池化层（pooling layer)

全连接层 （Fully Connected Layer）

输出层 （Output Layer）

2.1 输入层（Input layer)

接收原始图像数据，统一数据格式：

• 灰度图：维度 [高度H, 宽度W, 通道数C=1]

• 彩色图（RGB）：维度 [H, W, C=3]

预处理操作：归一化（像素值缩至0~1）、去均值、数据增强，提升训练稳定性。

2.2 卷积层（convolution layer)

CNN的核心模块，通过卷积核（Kernel）滑动遍历特征图，完成特征提取。浅层卷积核提取基础特征（边缘、纹理、线条），深层卷积核提取高级语义特征（轮廓、部件、目标整体）。

核心参数

• 卷积核大小：常用3×3、5×5，3×3为主流，参数量小、感受野充足；

• 步长 Stride：卷积核每次滑动的像素数，步长越大，输出特征图尺寸越小；

• 填充 Padding：在图像边缘补0，分为Valid（无填充）、Same（等尺寸填充），解决边缘像素提取不足、特征图尺寸持续缩小问题；

• 卷积核数量：决定输出特征图通道数，数量越多，可提取的特征种类越丰富。

输出特征图尺寸公式

输出尺寸 = (输入尺寸 - 卷积核尺寸 + 2×填充数) / 步长 + 1

感受野：

打个比方：用眼睛看图片

想象一张图片是一整幅大壁画。

• 全连接神经网络里的神经元：一眼直接看完整面墙，一次接收壁画全部像素的信息。
• 卷积层里的某一个输出神经元：它看不到整张图，只能盯着壁画上一小块区域，这块它能看见的范围，就是这个神经元的感受野

卷积核是 ：
-1，-2，-1
0， 0， 0
1， 2， 1
卷积核覆盖的区域的数是：
0， 0， 75
0， 75， 80
0， 75， 80
所以点积（对应位置相乘再相加）后的结果为155

2.3 激活层（Activation Layer）

卷积运算为线性运算，无论堆叠多少层，都只能拟合线性关系。激活层引入非线性特性，让CNN能够拟合复杂的图像特征和非线性任务。

主流激活函数：

• ReLU：最常用，计算简单、缓解梯度消失，公式：max(0,x)；

• Sigmoid：早期使用，易梯度消失，仅用于特殊场景。

2.4 池化层（pooling layer)

紧跟卷积层，对特征图局部区域进行聚合统计，压缩尺寸、保留核心特征，无参数、不参与训练。

通过减少传递到下一层的参数数量来缩小网络。池化操作通过将一个汇总统计函数（最大/平均）应用于输入来调整图像大小，从而减少传递到下一层的参数数量。

两种主流池化方式：

• 最大池化 Max Pooling：取局部区域最大值，保留纹理、边缘特征，抗干扰能力强，工业主流；

• 平均池化 Avg Pooling：取局部区域平均值，保留全局平滑特征，易模糊细节，使用较少。

2.5 全连接层

位于网络后端，将多维特征图平铺为一维向量，融合所有空间特征，映射为全局语义特征。

作用：将卷积提取的局部特征整合为全局特征，为最终分类/回归任务做准备。缺点：参数量大，易过拟合，现代轻量CNN会减少或替换全连接层。

2.6 输出层 （Output Layer）

根据任务类型匹配不同输出：

• 分类任务：搭配Softmax激活函数，输出各类别概率，总和为1；

• 回归任务（目标检测、关键点检测）：直接输出连续数值。