🔑 名詞卡
CNN（Convolutional Neural Networks，卷積神經網路）
🎯 定義
深度學習領域中最具代表性的模型之一，特別擅長處理圖像數據，其設計靈感來自於生物學上的動物視覺皮層，能夠高效地提取圖像中的特徵。
結構組成
| 結構 | 功能 |
|---|---|
| 卷積層（Convolutional Layer） | 透過卷積運算提取數據的局部特徵，例如邊緣、紋理 |
| 池化層（Pooling Layer） | 透過降維操作（最大池化、平均池化）減少數據維度，防止過擬合 |
| 全連接層（Fully Connected Layer） | 將提取的特徵映射到輸出空間，進行分類或迴歸任務 |
優點
適合處理高維數據，參數量相比全連接網路顯著減少；能夠提取層次化特徵，從低層特徵（如邊緣）到高層語義（如物體形狀）。
應用場景
影像辨識（人臉辨識、MNIST 手寫數字分類）、物件偵測（自動駕駛障礙物檢測）、圖像分割（醫學影像病變檢測）。
易混淆
- vs RNN：CNN 擅長處理具有空間結構的數據（圖像），RNN 擅長處理具有時間序列結構的數據（文本、語音）。
- vs Vision Transformer：CNN 靠卷積運算逐層提取局部特徵，2012–2020 年主導電腦視覺；ViT 則採 Transformer 架構處理影像，2020 年後逐漸挑戰 CNN 的主導地位。