第四章：卷积神经网络（CNN）核心
好，咱们进入正题。这一章讲的是CNN最核心的东西——卷积、池化、感受野，还有几个经典的网络结构。说实话，这部分内容我当年学的时候也觉得有点抽象，但后来在移动端部署模型时才发现，理解这些基础概念有多重要。
4.1 卷积操作原理
卷积操作，说白了就是用一个小的“窗口”在图像上滑动，每次计算窗口内像素的加权和。这个“窗口”我们叫它卷积核（kernel）或滤波器（filter）。
我刚开始接触时有个误区：以为卷积和图像处理里的滤波是一回事。其实本质一样，但CNN里的卷积核参数是学出来的，不是人工设计的。
举个例子，一个3×3的卷积核在5×5的输入上滑动：
输入图像（5×5）：
[1, 1, 1, 0, 0]
[0, 1, 1, 1, 0]
[0, 0, 1, 1, 1]
[0, 0, 1, 1, 0]
[0, 1, 1, 0, 0]
卷积核（3×3）：
[1, 0, 1]
[0, 1, 0]
[1, 0, 1]
输出特征图（3×3）：
第一个位置计算：1*1 + 1*0 + 1*1 + 0*0 + 1*1 + 1*0 + 0*1 + 0*0 + 1*1 = 4
...关键点：卷积核的每个位置都有一个权重，这些权重就是网络要学习的参数。一个卷积层通常有多个卷积核，每个核提取不同的特征。
嗯，这里要注意：卷积操作后输出的尺寸会变小。计算公式是：
输出尺寸 = (输入尺寸 - 卷积核尺寸 + 2×填充) / 步长 + 1
我在项目中遇到过一个问题：在移动端部署时，卷积核尺寸选大了，导致模型参数爆炸。后来我习惯用3×3的小卷积核堆叠，效果反而更好，参数还少。
4.2 池化层的作用
池化层，说白了就是“下采样”。它把特征图缩小，保留最重要的信息。
最常见的两种池化：
- 最大池化（Max Pooling）：取窗口内的最大值。我一般用这个，因为它能保留最显著的特征。
- 平均池化（Average Pooling）：取窗口内的平均值。适合需要平滑特征的场景。
举个例子，2×2的最大池化，步长为2：
输入特征图（4×4）：
[1, 3, 2, 4]
[5, 6, 7, 8]
[9, 10, 11, 12]
[13, 14, 15, 16]
输出（2×2）：
[6, 8]
[14, 16]我的经验：池化层有两个好处——减少参数量和防止过拟合。但别用太多，否则信息丢失严重。在移动端模型里，我通常只在前面几层用池化，后面用步长卷积代替。
4.3 感受野与参数共享
这两个概念是CNN的精髓。咱们一个一个说。
感受野：指的是特征图上某个点对应到原始图像上的区域大小。你想想看，浅层的卷积核只能看到局部纹理，深层的卷积核能看到更大的区域。
计算公式：RF_n = RF_{n-1} + (kernel_size - 1) × stride_{n-1}
我曾经在调试一个分类模型时，发现深层特征图的感受野太小，导致模型无法捕捉全局信息。后来加了几个空洞卷积层才解决。
参数共享：同一个卷积核在整个图像上滑动时，权重是共享的。这意味着无论图像多大，卷积层的参数量只跟卷积核大小和数量有关。
为什么重要？假设一张1000×1000的图像，全连接层需要10^12个参数，而卷积层只需要几百个。这就是CNN能处理大图像的原因。
4.4 经典CNN架构
咱们来看看两个里程碑式的网络。说实话，虽然现在有ResNet、MobileNet这些更先进的架构，但LeNet和AlexNet的思想至今仍在影响我们。
4.4.1 LeNet-5
1998年，Yann LeCun提出。用于手写数字识别。结构很简单：
| 层 | 类型 | 核大小 | 输出尺寸 |
|---|---|---|---|
| 输入 | 图像 | - | 32×32×1 |
| C1 | 卷积 | 5×5 | 28×28×6 |
| S2 | 平均池化 | 2×2 | 14×14×6 |
| C3 | 卷积 | 5×5 | 10×10×16 |
| S4 | 平均池化 | 2×2 | 5×5×16 |
| C5 | 卷积 | 5×5 | 1×1×120 |
| F6 | 全连接 | - | 84 |
| 输出 | 全连接 | - | 10 |
我记得第一次用LeNet跑MNIST时，准确率直接到99%以上。当时觉得这玩意儿太神奇了。但现在回头看，它其实很浅，只有5层。
4.4.2 AlexNet
2012年，Alex Krizhevsky提出。在ImageNet上大杀四方，把错误率从26%降到15%。
它的创新点：
- 用了ReLU激活函数，解决了梯度消失问题
- 用了Dropout，防止过拟合
- 用了数据增强，扩大训练集
- 在GPU上训练，用了两块GTX 580
结构上比LeNet深得多：5个卷积层 + 3个全连接层。参数量约6000万。
避坑指南：我曾经在移动端尝试部署AlexNet，结果模型太大，手机根本跑不动。后来才明白，移动端模型需要轻量化设计。AlexNet更适合做学术研究，不适合实际产品。
4.5 本章知识体系
下面这张图展示了本章的核心逻辑关系：
我的建议：学CNN别死记硬背结构图。动手搭一遍，用PyTorch或TensorFlow跑个MNIST分类，比看十遍书都管用。我在教新人时，都是让他们先搭LeNet，再改成AlexNet，感受一下参数量的变化。
好了，这一章的内容就到这儿。卷积、池化、感受野这些概念，你理解了吗？说实话，刚开始觉得抽象很正常，多画几张图，多跑几个实验，慢慢就通了。
可可精品资料库