卷积神经网络 (CNN) 是一种深度学习模型，旨在处理网格状数据，例如图像。它使用卷积层通过在输入的局部区域上应用过滤器来自动检测空间模式。与将输入像素视为独立特征的传统神经网络不同，CNN 保留了像素之间的空间关系，使其能够有效地执行图像分类、对象检测和分割等任务。该架构通常包括卷积层、用于下采样的池化层和用于最终预测的全连接层。例如，在猫与狗分类器中，CNN 学会分层识别边缘、纹理和形状，从简单特征开始并将它们组合成复杂的模式。
CNN 的工作原理是将小过滤器（内核）滑过输入图像以计算特征图。每个过滤器通过在其感受野内执行元素乘法和求和来检测特定特征，例如边缘或曲线。例如，垂直边缘检测器滤波器可能会突出显示像素强度水平方向急剧变化的边缘。经过卷积后，ReLU 等激活函数引入了非线性，使模型能够学习复杂的关系。然后，最大池化等池化层通过总结区域（例如，取 2x2 窗口中的最大值）来减少空间维度，从而降低计算负载并有助于防止过度拟合。这种组合使网络能够专注于最显着的特征，同时保持平移不变性——这是识别图像中物体位置无关紧要的关键优势。
CNN 在图像处理中的有效性源于它们学习分层表示的能力。早期层捕获低级特征（边缘、角），中间层检测纹理或部分（例如，眼睛、毛皮），更深层将这些组合成高级概念（例如，猫的脸）。这模仿了人类视觉处理信息的方式。实际应用包括医学影像（肿瘤检测）、自动驾驶汽车（识别行人）和面部识别系统。开发人员经常利用像 ResNet 或 VGG16 这样的预训练模型，通过迁移学习，针对具有较小数据集的特定任务进行微调。通过利用空间层次结构和参数共享（在整个图像中重用过滤器），CNN 以比全连接网络更少的参数实现高精度，使其可扩展且高效地用于现实世界的图像分析。