池化层：给特征图做降采样
池化层把特征图缩小：取一小块区域的最大值（最大池化）或平均值（平均池化）作为一个输出。它降低了计算量，同时赋予模型一定的平移不变性。 池化的设计体现了“有所取舍”的智慧：主动丢弃一...
9小时前
感受野：神经元能“看见”多大区域
感受野指一个神经元在原始图像上“看到”的区域大小。网络越深，感受野越大，神经元也从看局部像素进化到看整张图。理解感受野，就理解了 CNN 是如何逐层抽象的。 感受野像一个人的视野：阅历越...
9小时前
经典 CNN：从 AlexNet 到 ResNet
AlexNet 2012 年在 ImageNet 上以巨大优势夺冠，标志着深度学习时代开启；VGG 展示了简洁架构的力量；ResNet 用残差连接把网络深度推到上百层，至今仍是视觉领域的基石。 这段历史最动人的是它...
9小时前
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...
9小时前
图像分类：计算机视觉的第一课
图像分类回答最基本的问题：这张图属于哪一类？猫还是狗、正常还是病变。它看似简单，却是整个计算机视觉的起点，无数更复杂的任务都建立在分类能力之上。 图像分类的历史是一部“从认不出猫狗...
9小时前
卷积神经网络（CNN）：AI 的眼睛
卷积神经网络是为图像而生的架构：用小窗口（卷积核）在图像上滑动提取局部特征，再逐层组合成高级概念。它让计算机视觉从实验室走向了现实世界。 CNN 的设计充满仿生智慧：人类视觉皮层也是先...
9小时前
