CNN的核心是通过局部感知、参数共享和空间下采样高效提取层次化特征：卷积层用滑动窗口提取局部模式，池化层降维并增强平移不变性，ReLU引入非线性，全连接层实现特征到类别的映射。
卷积神经网络（CNN）是图像识别的基石，它的核心不在于堆叠层数，而在于用局部感知、参数共享和空间下采样来高效提取图像的层次化特征。
卷积层：让网络“看懂”局部模式
图像本质是像素矩阵，直接全连接处理计算量爆炸且忽略空间结构。卷积层通过滑动小窗口（卷积核）在图像上逐区域扫描，每步只计算该区域与核的加权和，再加偏置、激活。这个过程模拟人眼对边缘、纹理等局部特征的敏感性。
关键点：
- 卷积核大小（如3×3）决定感受野范围，小核更关注细节，大核易捕获粗粒度结构
- 步长（stride）控制滑动间隔，增大步长可压缩输出尺寸
- 填充（padding）能保持输入输出尺寸一致，常用"same"填充
- 多个卷积核并行工作，每个生成一个特征图（feature map），共同构成通道维度
池化层：降维+抗干扰，不是可有可无
池化（常用最大池化）在局部区域内取最大值（或平均值），主要作用不是“压缩数据”，而是降低特征图的空间分辨率、增强平移不变性，并抑制过拟合。
立即学习“Python免费学习笔记（深入）”；
例如，一个3×3区域内最大响应值保留下来，意味着即使目标轻微移动，只要还在该区域内，特征仍能被捕捉——这对识别旋转、缩放、偏移的物体至关重要。
注意：池化层无参数，不参与反向传播更新；现代部分模型（如ResNet）会用步长卷积替代池化，但思想一致。
激活函数与非线性：打破线性表达瓶颈
没有激活函数的CNN只是多个线性变换的叠加，等价于单层线性模型，无法拟合复杂图像分布。ReLU（f(x)=max(0,x)）因计算快、缓解梯度消失，成为默认选择。
它让负值归零，只保留正向响应，使网络具备分段线性拟合能力。实践中，ReLU通常紧接在卷积层之后，再进入池化。
全连接层与分类头：从特征到决策
经过多轮卷积+池化后，高维特征图被展平为一维向量，送入全连接层。这里不再强调空间关系，而是学习特征组合与类别映射关系。
最后一层常用Softmax（多分类）或Sigmoid（二分类）输出概率分布。训练时配合交叉熵损失函数，通过反向传播不断调整所有层权重——包括卷积核参数，这才是CNN真正“学会看图”的过程。
补充：Batch Normalization常插在卷积/全连接后、激活前，稳定训练；Dropout用于全连接层防过拟合。
