深度学习与图像识别手册（执行版）.docxVIP

深度学习与图像识别手册（执行版）

第1章深度学习基础架构

1.1卷积神经网络原理与结构

卷积神经网络（CNN）的核心在于利用卷积层提取图像的空间特征，通过感受野的扩展逐步构建从边缘到纹理再到语义的层次化表示。具体而言，输入图像被划分为多个固定大小的卷积核，每个核与输入通道进行逐元素乘法并加和，产生一个特征图，这一过程在空间维度上进行滑动窗口运算，使得单个核能检测出任意方向的边缘、角点或纹理。为增强模型对平移不变性的鲁棒性，每个卷积核会进行批量归一化（BatchNormalization）以稳定梯度流动，随后接上ReLU激活函数以引入非线性，并将输出作为下一层的输入。这种“卷积-归一化-激活”的循环结构使得网络能够像生物视觉皮层一样，自底向上地识别物体。

在深层网络中，不同卷积层的输出通道数会呈指数级增长，从最初的32通道逐渐扩展到数千通道，以覆盖复杂的语义内容。为了缓解深层网络常见的梯度消失问题，网络通常会在每一层后设置一个Dropout正则化层，随机丢弃一部分神经元，从而迫使网络学习更通用的特征表示而非过拟合。为了捕捉图像中的局部关系，池化操作（如最大池化）被应用于卷积层的输出，将特征图的空间维度压缩，同时保留最大值，这不仅减少了参数量，还增强了模型的泛化能力。为了保留图像的空间细节信息，下采样操作（如下采样卷积）被引入，它通过多个3x3