完整定義
卷積神經網路(CNN)是一種深度學習模型,用於處理具有網格結構的資料,例如圖像、語音等。CNN 透過卷積運算提取資料中的特徵,並利用池化層降低資料維度,從而實現高效的特徵學習。在 iPAS 中級考試中,CNN 的結構、運算方式以及在圖像辨識等領域的應用是重要的考點。
白話說明
你有沒有想過,電腦怎麼從一張照片裡找出邊緣、眼睛或車輪?
你可以把卷積神經網路想成「先看局部,再慢慢拼成整體」:它用小視窗掃過圖片,抓邊緣、紋理和形狀。
它很重要,因為影像資料又大又複雜,CNN 透過局部感受野和參數共享,把圖像任務做得更有效率。
記住這句
先抓局部特徵,再拼出整張圖的意思。
比喻:CNN 就像一個訓練有素的偵探 -- 它不會一次看完整張照片,而是用放大鏡仔細檢查每個小區域,找出邊緣、紋理等重要線索,然後把這些線索組合起來判斷這是什麼東西。這樣它就能有效地「看懂」圖片,識別出裡面的物件。
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。
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
演算法與應用
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
- 說法
- 卷積神經網路
- 出現場合
- 台灣正式用語
- 說法
- 卷积神经网络
- 出現場合
- 簡體寫法
- 說法
- Convolutional Neural Network
- 出現場合
- 英文原名
- 說法
- CNN
- 出現場合
- 標準縮寫,注意這個縮寫也是美國有線電視新聞網的名稱
- 說法
- ConvNet
- 出現場合
- 論文與程式碼裡常見的簡稱
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。
- 架構
- LeNet
- 貢獻
- 最早的實用 CNN,用於手寫數字辨識
- 架構
- AlexNet
- 貢獻
- 2012 年 ImageNet 大幅領先,帶起深度學習浪潮
- 架構
- VGG
- 貢獻
- 證明用小卷積核疊深比用大卷積核有效
- 架構
- ResNet
- 貢獻
- 殘差連接解決深層網路難訓練的問題,讓網路能疊到上百層
- 架構
- EfficientNet
- 貢獻
- 系統性地平衡深度、寬度、解析度三個維度
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。
iPAS 考題
Q:CNN 在 iPAS 常怎麼考?
通常會考卷積核、特徵提取、參數共享、池化與影像分類應用。
Q:為什麼這題常考?
因為它是電腦視覺的核心模型,也最能看出你有沒有理解局部特徵與參數效率。
常見問題
不是,也能用在音訊、文字和其他結構化資料上。
不一定,但它常用來縮小特徵圖和提升平移穩定性。
很重要,尤其在很多視覺前處理和嵌入式場景中仍然常見。
常見組成是卷積層、激活函數、池化層,最後接全連接層輸出結果。卷積層用小型濾波器在影像上滑動,擷取邊緣、紋理等特徵,池化層縮小特徵圖尺寸,越深的層能組合出越抽象的特徵。
CNN 擅長抓局部的空間結構,用同一組濾波器掃過整張影像,適合影像這類網格資料。RNN 依序處理序列,並把前一步的狀態傳給下一步,適合文字、語音等有先後順序的資料。CNN 也能用一維卷積處理序列,兩者並不是只能二選一。
常被提到的起點是 LeCun 等人 1998 年用 LeNet-5 辨識手寫數字的論文。2012 年 Krizhevsky 等人的 AlexNet 在 ImageNet 影像分類競賽勝出,帶動深度 CNN 普及。之後的 VGG、GoogLeNet、ResNet 則持續加深網路並改良結構。
範例考題
某物流公司想導入 AI 以提升營運效率,評估不同資料型態與模型架構。下列哪一種應用情境最適合採用卷積神經網路(Convolutional Neural Network, CNN)作為主要模型架構?
- A依據包裹每日掃描紀錄的時間序列,預測下週各倉庫的進貨量波動
- B根據客服對話逐句內容的先後順序,判斷客訴是否可能升級為申訴案件
- C根據倉庫監視器影像,自動辨識貨架是否缺貨並標示缺貨區域位置
- D依據車隊 GPS 路徑點的連續軌跡,預測下一段可能行駛路線
正解是 C:根據倉庫監視器影像,自動辨識貨架是否缺貨並標示缺貨區域位置
解析:CNN 的核心優勢是處理具有空間結構的資料,特別是影像。從倉庫監視器影像辨識貨架缺貨並標示位置,是典型的影像辨識/物件偵測任務,最適合使用 CNN。
出現在這些考古題
官方公告試題的逐題解析裡,有 12 題把卷積神經網路列為延伸術語,這裡列出 5 題。
立即測驗
想測試你對 卷積神經網路 的掌握程度?用考古題作答
相關術語
來源
參考來源:en.wikipedia.org
考試範圍:iPAS AI 應用規劃師評鑑內容範圍參考(115.02 更新),經濟部產業人才能力鑑定,實際考試內容以官方公告為準。
其他格式:Markdown 版本