CNN 是啥？计算机是怎么看懂图片的？

提到机器视觉，就绕不开 CNN；在人脸识别，图片分类，目标检测也都离不开 CNN。那么 CNN 到底是什么呢，为什么 CNN 那么重要呢? 机器又是怎么 “看懂” 图片的呢？今天我用三点给你讲明白。

首先，CNN 到底是什么呢？CNN 中文名叫做卷积神经网络（像 Token 叫词元，VS Code 叫做微软大战代码一样！），是一种擅长处理图片的神经网络。人类看到一只喵的图片很快就可以认出这是一只喵，但机器看到的不是一张图片而是一组数字，CNN 就是从这一组数字里面找出特征，先提取喵的边缘，颜色和纹理等简单特征，再逐层把它们组合成更加复杂的特征，然后输出多张特征图，最后判断图片是什么。简单来说，CNN 就是从图片中提取特征，生成特征图，再根据这些特征判断图片中有什么。

其次，CNN 为什么那么重要呢，关键就在 “卷积” 这两个字。我们可以把卷积想象成一个放大镜，它会在图片上面不断移动每次观察一小块区域然后寻找图片的特征。一般情况下一张图片会使用多个卷积核，有的负责寻找横向边缘，有的负责寻找竖向边缘，还有的可能对某种纹理更加敏感，一个卷积核会计算特征值，特征值多了，特征图就出来啦！并且每个卷积核会重复使用，所以无论喵的耳朵在哪里，CNN 都有机会发现它。

最后，每一层卷积层会连接起来，每一层会算出一个特征图，前面的网络层通常提取喵的边缘、颜色和纹理，后面的网络层逐渐把它们组合成更加复杂的特征。然后在输出层用特征图计算是哪个东西，识别出这个图片是什么（是一只喵还是一只汪？），比如它认为这张图片有 95% 的可能是喵，5% 的可能是汪，就会把喵作为最终答案。

好啦喵，现在你知道 CNN 是啥了吧！快去复习吧！