卷積神經網路 是什麼？

Convolutional Neural Network：卷積神經網路 的完整解釋

專門處理圖像的神經網路，用小窗口（卷積核）掃過圖片提取局部特徵，參數共享大幅減少計算量

容易混淆

卷積神經網路 vs 全連接神經網路 vs 電腦視覺

卷積神經網路：處理影像的模型架構

全連接神經網路：每個神經元都和前一層大量連接，參數很多

電腦視覺：更大的領域，CNN 是其中常見工具

最關鍵的區別：CNN 是方法，電腦視覺是應用領域。

記住這句就好

先抓局部特徵，再拼出整張圖的意思。

實際案例

貓狗分類

前：把整張圖硬塞進普通神經網路，參數爆炸還不穩

後：用卷積層抓耳朵、眼睛、毛流，再做分類

工廠瑕疵檢測

前：每個像素都一樣看，效率差又難抓局部異常

後：CNN 先找刮痕、孔洞和邊界異常，再輸出是否不良

算法與應用

CNN 的核心是卷積、池化、非線性激活和特徵圖，透過層層堆疊形成更高階表示

它廣泛用在影像分類、物件偵測、影像分割，後來也被延伸到語音和序列任務

現在深度學習很強，但 CNN 仍是許多視覺模型的基本積木

中英對照與常見說法

三個核心組成

卷積層（convolution）：用一個小的濾波器在影像上滑動做內積，抓出邊緣、紋理這類局部特徵。同一個濾波器在整張圖共用同一組權重，這叫權重共享，是 CNN 參數量遠小於全連接網路的原因。

池化層（pooling）：把區域內的值取最大或平均，降低解析度、擴大感受野、並提供一點位移容忍度。

全連接層：最後把特徵攤平接分類頭。近年很多架構改用全域平均池化取代它，參數更少也更不容易過度擬合。

疊起來之後會出現一個層級結構：淺層學邊緣與顏色，中層學紋理與零件，深層學物件層級的概念。 這個由簡到繁的結構不是人設計的，是訓練自己長出來的。

兩個內建假設

CNN 的效果來自兩個寫進架構裡的假設：

局部性：有意義的圖案是局部的，判斷一個像素屬於什麼，主要看它附近的像素。

平移不變性：一隻貓移到畫面另一邊還是一隻貓，所以同一組濾波器在整張圖都適用。

這兩個假設叫做歸納偏置（inductive bias）。它們讓 CNN 在資料量不大的時候就能學得好，因為模型不需要從零學會這些常識。相對地，視覺 Transformer 幾乎沒有這些假設，資料少時容易過擬合，資料極多時反而因為不受假設限制而能學到更多。

幾個關鍵演進

殘差連接是其中影響最深遠的一個。 它讓梯度可以跳過中間層直接往回傳，解決了「網路疊得越深反而越差」的退化問題。這個設計後來被 Transformer 沿用，現在幾乎所有深層架構都有它。

情境判斷

Q1（直覺題）： 你想做圖片分類，CNN 通常是合理選擇嗎？

→ 是，因為它天生適合抓圖像的局部與空間關係。

Q2（判斷題）： 只要是神經網路，就一定是 CNN 嗎？

→ 不是。CNN 只是神經網路的一種架構，還有 RNN、Transformer 等其他類型。

卷積神經網路 在 iPAS 考試中的重點

根據歷年統計，卷積神經網路 相關題目 平均佔 AI 技術類考題 3%， 屬於未分類考範圍。

常見出題方向：類神經網路架構（40%）、電腦視覺演算法（35%）、深度學習原理與應用（25%）。

常見問題

卷積是不是只用在圖片？

不是，也能用在音訊、文字和其他結構化資料上。

池化一定要用嗎？

不一定，但它常用來縮小特徵圖和提升平移穩定性。

CNN 還重要嗎？

很重要，尤其在很多視覺前處理和嵌入式場景中仍然常見。