2月16日什么是卷积神经网络CNN

自 1950 年代人工智能早期以来，计算机科学家一直在尝试构建能够理解视觉数据的计算机。在随后的几十年里，这个被称为计算机视觉的领域取得了进步。2012 年，多伦多大学的一组研究人员开发了一种人工智能模型，大大超过了最好的图像识别算法，计算机视觉实现了飞跃。

这个后来被称为 AlexNet(以其主要创建者 Alex Krizhevsky 命名)的 AI 系统以 85% 的惊人准确率赢得了 2012 年 ImageNet 计算机视觉竞赛。亚军在测试中的得分仅为 74%。

AlexNet 的核心是卷积神经网络 (CNN)，这是一种专门模仿人类视觉系统的人工神经网络。近年来，CNN 已成为许多计算机视觉应用的关键。以下是您需要了解的有关 CNN 的历史和工作原理的信息。

卷积神经网络简史

卷积神经网络，也称为 ConvNets，由计算机科学博士后研究员 Yann LeCun 在 1980 年代首次引入。LeCun 以科学家 Kunihiko Fukushima 所做的工作为基础，几年前他发明了 neocognitron，一种非常基本的图像识别神经网络。

CNN 的早期版本，称为 LeNet(以 LeCun 命名)，可以识别手写数字。CNN 在银行、邮政服务和银行业务中找到了一个利基市场，他们可以读取信封上的邮政编码和支票上的数字。

但是尽管他们有独创性，ConvNets 仍然在计算机视觉和人工智能的边缘，因为他们面临一个严重的问题：他们无法扩展。CNN 需要大量数据和计算资源才能有效地处理大图像。当时，该技术仅适用于低分辨率的图像。

2012 年，AlexNet 表明，也许是时候重新审视深度学习了，这是使用多层神经网络的 AI 分支。大型数据集的可用性，即具有数百万张标记图片的 ImageNet 数据集，以及庞大的计算资源，使研究人员能够创建复杂的 CNN，这些 CNN 可以执行以前不可能完成的计算机视觉任务。