我用最通俗、不绕弯、适合考研复试的方式给你讲 CNN，一遍就能听懂、能复述。

CNN 卷积神经网络 —— 极简核心版

CNN 就是专门处理图片（网格数据）的神经网络，

核心思想：局部连接 + 权值共享 + 下采样

一、CNN 最核心的 3 层（必背）

1. 卷积层（Convolution）

  • 作用：提取特征（边缘、纹理、形状、高级语义）

  • 工具：卷积核（滤波器）

  • 原理：

    • 用一个小窗口在图片上滑
    • 做点积运算
    • 得到特征图（feature map）

  • 两个大招：

    • 局部连接：只看附近像素，不是全连接
    • 权值共享：一个卷积核整张图用，参数巨少

2. 池化层（Pooling）

  • 作用：降维、压缩、保留关键信息

  • 常见两种：

    • 最大池化（Max Pooling）：取区域里最大的值
    • 平均池化（Avg Pooling）：取平均

  • 好处：

    • 减小计算量
    • 防止过拟合
    • 让特征更鲁棒

3. 全连接层（FC）

  • 作用：把特征拼成分类结果
  • 把前面的特征图拉平 → 变成向量 → 输出类别概率

二、完整 CNN 结构长这样（标准套路）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
输入图像
   ↓
卷积层 Conv → 激活 ReLU
   ↓
池化层 Pool
   ↓
卷积层 Conv → 激活 ReLU
   ↓
池化层 Pool
   ↓
……（重复堆叠，提取更深特征）
   ↓
全连接层 FC
   ↓
输出（分类/检测）

层数越深，提取的特征越高级：

  • 浅层：边缘、角点、纹理
  • 中层：形状、部件
  • 深层：整个物体（人脸、车、猫）

三、CNN 为什么比普通神经网络强？（必考点）

  1. 权值共享 → 参数极少，好训练
  2. 局部感受野 → 符合视觉原理
  3. 池化降维 → 抗变形、抗干扰
  4. 自动提取特征 → 不用人工设计

四、最经典的 CNN 模型（复试常问）

  • LeNet-5：最早的 CNN，手写数字识别
  • AlexNet：深度学习爆发的起点
  • VGG：小卷积核堆叠，结构简单
  • ResNet：残差连接，解决深层训练难
  • GoogLeNet/Inception：多尺度卷积

五、一句话总结（复试直接背）

CNN 是利用卷积核提取图像特征、通过池化降维、最后全连接分类的神经网络，核心是局部连接、权值共享和下采样，广泛用于图像分类、检测、分割等视觉任务。

六、口述版

CNN 卷积神经网络 —— 考研复试 1 分钟口述版（直接背）

各位老师好，我来介绍一下 CNN。

CNN 全称是卷积神经网络，主要用来处理图像、视频这类网格结构数据。

它的核心思想是局部连接、权值共享和下采样，这也是它比传统全连接网络效果好、参数少的关键。

一个标准的 CNN 主要由三部分组成：

第一是卷积层，用卷积核在图像上滑动提取特征，浅层提取边缘、纹理，深层提取物体、语义；

第二是池化层，用来降维、压缩特征，同时让模型更鲁棒，常用最大池化；

第三是全连接层，把提取好的特征展平，最后输出分类或预测结果。

中间一般会加上 ReLU 激活函数增加非线性，提升网络表达能力。

简单总结：

CNN 就是自动提取图像特征、用卷积和池化减少参数、最后全连接输出结果的网络，广泛用于图像分类、目标检测、分割等任务。