【视觉AI的基石】斯坦福大学笔记！带你吃透卷积神经网络 (CNN)

CNN：让计算机拥有“火眼金睛”的秘诀

想象一下，你怎么认出一张图片里的是猫还是狗？

你不会把图片所有像素点揉成一团再看。你会先注意到一些局部特征：猫有尖耳朵、胡须，狗可能有下垂的耳朵、突出的鼻子。然后，你会把这些局部特征组合起来：尖耳朵 + 胡须 + 圆脸 ≈ 猫。最后，你综合所有信息得出结论。

卷积神经网络 (CNN) 就是在模仿我们人类的这种视觉识别过程！

它不像传统神经网络那样，一开始就把图片“拍扁”成一长串数字，丢失了空间信息（比如像素点之间的邻近关系）。

CNN 通过“卷积核”（Filters/Kernels） 这种小窗口，在图片上滑动扫描，专门用来 检测局部特征。有的卷积核专门找边缘，有的找纹理，有的找特定形状（比如眼睛、鼻子）。

通过一层层的卷积，CNN 能把检测到的 低级特征（如边缘）组合成更高级的特征（如眼睛、轮廓），最后再根据这些高级特征进行判断和识