卷积层：CNN 的特征提取器

卷积层用一个小矩阵（卷积核）在图像上滑动，每滑动一次就计算一次内积，得到一张特征图。它是 CNN 提取边缘、纹理等局部特征的数学工具，也是深度学习视觉革命的起点。

卷积的美妙在于“局部性”与“共享性”的完美结合：只看局部、且同一探测器扫描全图。这既符合视觉的物理特性，又极大减少了参数量。好的架构设计，总是让结构本身去匹配问题的结构。

## 核心要点

图片来源：Openverse / José Carlos Cortizo Pérez（https://www.flickr.com/photos/80272747@N00/21437059）

1. 卷积核是可学习的，网络会自动学到需要的特征探测器。

2. 步长控制滑动间隔，填充控制输出尺寸。

3. 浅层学边缘纹理，深层学物体部件甚至语义概念。

4. 感受野随网络加深而扩大，最终“看见”整个物体。

图片来源：Openverse / Beta Soluciones Empresariales（https://www.flickr.com/photos/99752729@N06/9420996023）

## 写在最后

以上是关于「卷积层」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。