卷積神經網路 (CNN)：教導電腦如何觀察

• 作者：
• 作者姓名

  量子運行遠見
• 2023 年 12 月 1 日

洞察總結

卷積神經網路 (CNN) 在影像分類和電腦視覺中至關重要，它改變了機器識別和理解視覺資料的方式。 它們模仿人類視覺，透過卷積、池化和全連接層處理影像以進行特徵提取和分析。 CNN 具有多種應用，包括零售產品推薦、汽車安全改進、醫療保健腫瘤檢測以及臉部辨識技術。 它們的用途擴展到文件分析、遺傳學和衛星圖像分析。 隨著 CNN 越來越多地融入各個領域，引發了道德問題，特別是在臉部辨識技術和資料隱私方面，這凸顯了仔細考慮其部署的必要性。

卷積神經網路 (CNN) 上下文

CNN 是一種深度學習模型，其靈感來自人類和動物如何使用眼睛來識別物體。 計算機不具備這種能力； 當他們“查看”圖像時，圖像會被轉換為數字。 因此，CNN 與其他神經網路的差異在於其分析影像和音訊訊號資料的先進能力。 它們旨在自動、自適應地學習從低階模式到高階模式的特徵空間層次結構。 CNN 可以幫助電腦獲取「人」眼並為其提供電腦視覺，使其能夠吸收所看到的所有像素和數字，並有助於圖像識別和分類。 

卷積網路在特徵圖中實現激活函數，以幫助機器確定它所看到的內容。 這個過程由三個主要層實現：卷積層、池化層和全連接層。 前兩個層（卷積層和池化層）執行資料擷取，而全連接層產生輸出，例如分類。 特徵圖從一層傳輸到另一層，直到電腦可以看到整個圖片。 CNN 被給予盡可能多的信息來檢測不同的特徵。 透過告訴電腦尋找邊緣和線條，這些機器學會如何以人類不可能的速度快速、準確地識別影像。

破壞性影響

雖然 CNN 最常用於影像辨識和分類任務，但它們也可用於檢測和分割。 例如，在零售業，CNN 可以透過視覺搜尋來識別和推薦與現有衣櫃相匹配的商品。 在汽車領域，這些網路可以監視道路狀況的變化，例如車道線偵測，以提高安全性。 在醫療保健領域，CNN 可將這些受損細胞與周圍的健康器官分開，以便更好地識別癌性腫瘤。 同時，CNN 改進了臉部辨識技術，讓社群媒體平台識別照片中的人物並給予標記建議。 （然而，Facebook 已決定在 2021 年停止此功能，理由是道德問題日益嚴重，而且使用該技術的監管政策不明確）。 

CNN 也可以改進文檔分析。 他們可以驗證手寫作品，將其與手寫內容資料庫進行比較，解釋單字等等。 他們可能會掃描對銀行和金融或博物館文件分類至關重要的手寫文件。 在遺傳學中，這些網路可以透過檢查圖片、繪圖和預測分析來評估用於疾病研究的細胞培養物，以協助醫學專家開發潛在的治療方法。 最後，卷積層可以幫助對衛星影像進行分類並快速識別它們是什麼，這有助於太空探索。

卷積神經網路（CNN）的應用

卷積神經網路 (CNN) 的一些應用可能包括： 

• 增加在醫療診斷中的使用，包括放射學、X 光和遺傳疾病。
• 使用 CNN 對來自太空梭、太空站以及月球車的串流影像進行分類。 國防機構可以將 CNN 應用於監視衛星和無人機，以自主識別和評估安全或軍事威脅。
• 改進了用於手寫文字和圖像識別的光學字元辨識技術。
• 改進了倉庫和回收設施中的機器人分類應用。
• 它們用於透過城市或內部監視攝影機對罪犯和感興趣的人進行分類。 然而，這種方法可能會有偏差。
• 越來越多的公司被問及臉部辨識技術的使用情況，包括他們如何收集和使用數據。

要評論的問題

• 您認為 CNN 還能如何改善電腦視覺以及我們日常如何使用它？
• 更好的影像辨識和分類還有哪些其他可能的好處？