卷积神经网络 (CNN)：教计算机如何观察

• 作者：
• 作者姓名

  量子运行远见
• 2023 年 12 月 1 日

洞察总结

卷积神经网络 (CNN) 在图像分类和计算机视觉中至关重要，它改变了机器识别和理解视觉数据的方式。 它们模仿人类视觉，通过卷积、池化和全连接层处理图像以进行特征提取和分析。 CNN 具有多种应用，包括零售产品推荐、汽车安全改进、医疗保健肿瘤检测以及面部识别技术。 它们的用途扩展到文档分析、遗传学和卫星图像分析。 随着 CNN 越来越多地融入各个领域，引发了道德问题，特别是在面部识别技术和数据隐私方面，这凸显了仔细考虑其部署的必要性。

卷积神经网络 (CNN) 上下文

CNN 是一种深度学习模型，其灵感来自于人类和动物如何使用眼睛来识别物体。 计算机不具备这种能力； 当他们“查看”图像时，图像会被转换为数字。 因此，CNN 与其他神经网络的区别在于其分析图像和音频信号数据的先进能力。 它们旨在自动、自适应地学习从低级模式到高级模式的特征空间层次结构。 CNN 可以帮助计算机获取“人”眼并为其提供计算机视觉，使其能够吸收所看到的所有像素和数字，并有助于图像识别和分类。 

卷积网络在特征图中实现激活函数，以帮助机器确定它所看到的内容。 这个过程由三个主要层实现：卷积层、池化层和全连接层。 前两个层（卷积层和池化层）执行数据提取，而全连接层生成输出，例如分类。 特征图从一层传输到另一层，直到计算机可以看到整个图片。 CNN 被给予尽可能多的信息来检测不同的特征。 通过告诉计算机寻找边缘和线条，这些机器学会了如何以人类不可能的速度快速、准确地识别图像。

破坏性影响

虽然 CNN 最常用于图像识别和分类任务，但它们也可用于检测和分割。 例如，在零售业，CNN 可以通过视觉搜索来识别和推荐与现有衣柜相配的商品。 在汽车领域，这些网络可以监视道路状况的变化，例如车道线检测，以提高安全性。 在医疗保健领域，CNN 可将这些受损细胞与周围的健康器官分开，从而更好地识别癌性肿瘤。 与此同时，CNN 改进了面部识别技术，允许社交媒体平台识别照片中的人物并给出标记建议。 （然而，Facebook 已决定在 2021 年停止此功能，理由是道德问题日益严重，而且使用该技术的监管政策不明确）。 

CNN 也可以改进文档分析。 他们可以验证手写作品，将其与手写内容数据库进行比较，解释单词等等。 他们可能会扫描对银行和金融或博物馆文件分类至关重要的手写文件。 在遗传学中，这些网络可以通过检查图片、绘图和预测分析来评估用于疾病研究的细胞培养物，以协助医学专家开发潜在的治疗方法。 最后，卷积层可以帮助对卫星图像进行分类并快速识别它们是什么，这有助于太空探索。

卷积神经网络（CNN）的应用

卷积神经网络 (CNN) 的一些应用可能包括： 

• 增加在医疗诊断中的使用，包括放射学、X 射线和遗传疾病。
• 使用 CNN 对来自航天飞机、空间站以及月球车的流式图像进行分类。 国防机构可以将 CNN 应用于监视卫星和无人机，以自主识别和评估安全或军事威胁。
• 改进了用于手写文本和图像识别的光学字符识别技术。
• 改进了仓库和回收设施中的机器人分拣应用。
• 它们用于通过城市或内部监控摄像头对罪犯和感兴趣的人进行分类。 然而，这种方法可能会存在偏差。
• 越来越多的公司被问及面部识别技术的使用情况，包括他们如何收集和使用数据。

要评论的问题

• 您认为 CNN 还能如何改善计算机视觉以及我们日常如何使用它？
• 更好的图像识别和分类还有哪些其他可能的好处？