读书报告

卷积神经网络原理详解读书报告
在人工智能与计算机视觉领域，卷积神经网络（CNN）是推动机器“看懂世界”的核心技术，从LeNet-5实现手写数字识别，到ResNet突破深层网络瓶颈，再到如今落地于自动驾驶、医学影像等场景，始终以高效的空间特征提取能力引领行业发展。CNN的核心优势在于“局部连接”与“参数共享”：不同于传统全连接网络无法捕捉像素关联且参数冗余，CNN的卷积层神经元仅连接前一层局部“感受野”（如3×3），像观察玫瑰花先聚焦花瓣细节般提取边缘、纹理等低级特征，同时同一卷积核滑动时权重不变，如同用同一把尺子测量所有花瓣，大幅减少参数，比如512×512图像输入时，1个3×3卷积核仅需9个参数，远少于全连接网络的2359296个。其运行还依赖池化层、激活函数与全连接层的协同：池化层通过最大池化等操作压缩特征、降低计算量，激活函数（如ReLU）注入非线性能力以拟合复杂特征，全连接层则将抽象特征转化为类别概率完成分类。在模型演进中，LeNet-5奠定“卷积-池化-全连接”基础，AlexNet用ReLU和GPU计算实现深层突破，ResNet靠残差连接解决梯度消失，GoogLeNet、YOLO等则拓展了多尺度提取、实时检测等能力。应用上，CNN在医疗领域能高精度识别CT影像中的肺结节，在自动驾驶中实现路况实时感知，在安防中完成人脸识别，成为跨行业解决实际问题的关键工具，持续推动计算机视觉技术走向更广泛的应用场景。