卷积神经网络图像处理

定义与用途

卷积神经网络（Convolutional Neural Network, CNN）是一类专门用于处理具有网格状拓扑结构数据（如图像）的前馈神经网络。其核心用途是从原始图像中自动逐层提取特征，并完成分类等任务。在图像传感器应用中，CNN 可直接以传感器采集的像素阵列作为输入，输出该图像所属的类别。

整体结构

课件给出的 CNN 图像分类流程为：输入图像 → 卷积层 → 特征图 → 降采样层 → 卷积层 → 降采样层 → 全连接层 → Softmax → 输出分类结果。

该结构由三类基本层交替堆叠构成：

• 卷积层（convolutional layer）：提取局部特征，生成特征图（feature map）。
• 降采样层（downsampling layer，又称下采样层或池化层）：缩小特征图的空间尺寸。
• 全连接层（fully connected layer）：将最终的特征整合为类别得分。

卷积层

卷积层使用一个较小的卷积核（kernel，也称滤波器）在输入数据上滑动，在每个位置对核覆盖的局部区域做加权求和，得到输出特征图上的一个元素。

设输入局部区域为 $x_{i,j}$，卷积核权重为 $w_{m,n}$，偏置为 $b$，则输出为：

其中 $x$ 与 $w$ 的单位为无量纲数值（对图像而言即像素灰度或颜色分量），$y$ 为输出特征值，$b$ 为偏置。

课件示例中，输入矩阵含数值（如 75、80），卷积核为 $3\times 3$（数值含 $-1$、$0$、$1$、$2$），核在输入矩阵上滑动，逐位置计算并将结果（如 155）填入输出矩阵对应位置。这体现了卷积核的局部感受野特性：输出特征图上的每个元素只与输入的一个局部区域相连。

降采样层

降采样层对特征图进行空间尺寸压缩，常见方式是对局部区域取最大值或平均值。其作用是减少后续计算量、降低对位置微小变化的敏感度，并扩大后续层的感受野。课件流程中，特征图经降采样层后尺寸缩小，再送入下一卷积层。

全连接层与分类输出

经过若干卷积与降采样后，特征被展平并送入全连接层。全连接层中每个神经元与前一层的所有输出相连，用于整合全局特征。

最后一层通常接 Softmax 函数，将输出转换为各类别的概率分布：

其中 $z_k$ 为第 $k$ 类的得分，$p_k$ 为第 $k$ 类的概率，$k$ 取遍所有类别。最终取概率最大的类别作为分类结果。

深层结构与表达能力

课件对比了 3 层与 4 层全连接网络，指出增加网络层数可提高处理复杂问题的能力。CNN 通过多层卷积与降采样堆叠，使网络能够从低级特征（如边缘）逐步组合出高级特征（如物体部件），从而完成复杂图像分类。

适用范围

上述结构适用于图像分类任务，输入为规则网格状像素数据。卷积核尺寸、层数、降采样方式等均为设计参数，需根据具体任务确定；实际取值依据任务与数据确定。