数字图像处理技术及应用 课件 3-卷积神经网络

卷积神经网络导读本章从卷积神经网络（CNN）的基本概念出发，系统介绍其结构、训练与优化技术，并通过分析经典模型（如LeNet-5、AlexNet、VGGNet、GoogLeNet、ResNet）阐述CNN在图像分类、目标检测、语义分割等任务中的应用。学习目标：理解CNN如何推动图像处理技术的革新及其在现代图像处理中的核心作用。本章知识点CNN基本原理

CNN发展史

CNN内部机制

CNN应用案例

CNN未来趋势3.1卷积神经网络概述CNN是一种在计算机视觉和自然语言处理中广泛应用的深度学习模型，特别适合处理具有空间结构的数据（如图像、语音）。主要结构包括：卷积层（ConvolutionalLayer）池化层（Pooling

Layer）全连接层（Fully

Connected

Layer）特点：局部连接、权重共享、平移不变性，能自动从数据中学习特征。卷积神经网络结构示意图3.2卷积神经网络发展历史1960s–1980s：早期研究，感知机模型提出，但受限于线性分类能力。1990s：CNN提出，Yann

LeCun等人提出LeNet-5，首次成功应用于手写数字识别。2000s：深度CNN兴起，计算能力提升，AlexNet、VGGNet、GoogLeNet、ResNet等模型相继出现。

2010s至今：拓展与优化，CNN应用于图像生成、分割、检测等任务，引入残差连接、批量归一化等技术。里程碑模型：LeNet-5→AlexNet→VGGNet→GoogLeNet→ResNet典型模型：AlexNet（2012）首个深层CNN，在ImageNet2012比赛中夺冠，推动深度学习在视觉领域的发展。结构特点：8层（5卷积+3全连接）使用ReLU激活函数缓解梯度消失引入Dropout

防止过拟合采用数据增强与LRN层AlexNet结构示意图典型模型：VGGNet（2014）使用小卷积核（3×3）

堆叠构建深层网络，结构规整、泛化能力强。VGG-16结构：13个卷积层+3个全连接层特点：卷积核均为3×3，步长为1池化层均为2×2最大池化总参数量约1.38亿VGG-16卷积层参数示例层名卷积核尺寸卷积核数量输出形状参数量卷积层13×364(None,224,224,64)(3×3×3)×64+64=1792卷积层23×364(None,224,224,64)(3×3×64)×64+64=36928池化层12×22(None,112,112,64)0卷积层33×3128(None,112,112,128)(3×3×64)×128+128=73856卷积层43×3128(None,112,112,128)(3×3×128)×128+128=147584池化层22×22(None,56,56,128)0卷积层53×3256(None,56,56,256)(3×3×128)×256+256=295168卷积层63×3256(None,56,56,256)(3×3×256)×256+256=590080卷积层73×3256(None,56,56,256)(3×3×256)×256+256=590080池化层32×22(None,28,28,256)0卷积层83×3512(None,28,28,512)(3×3×256)×512+512=1180160卷积层93×3512(None,28,28,512)(3×3×512)×512+512=2359808卷积层103×3512(None,28,28,512)(3×3×512)×512+512=2359808池化层42×22(None,14,14,512)0卷积层113×3512(None,14,14,512)(3×3×512)×512+512=2359808卷积层123×3512(None,14,14,512)(3×3×512)×512+512=2359808卷积层133×3512(None,14,14,512)(3×3×512)×512+512=2359808池化层52×22(None,7,7,512)0合计

14714688典型模型：GoogLeNet（2014）提出Inception模块，并行多尺度卷积，提升特征表达能力。版本演进：V1

：原始Inception模块V2

：引入批量归一化（BatchNormalization）V3

：深度可分离卷积，降低计算量V4

：融合残差连接与密集连接核心优势：参数少、计算效率高。典型模型：ResNet（2015）提出残差连接（Residual

Connection）

，解决深度网络梯度消失/爆炸问题。结构变体：18、34、50、101、152层核心思想：恒等映射，让网络学习残差而非直接映射。ResNet计算量对比层名输出

尺寸18-layer34-layer50-layer152-layerConv1112×1127×7，64，stride2Conv2_x56×563×3，maxpool，stride2Conv3_x28×28Conv4_x14×14Conv5_x7×7

1×1Averagepool，1000-dfc，softmax每秒浮点运算次数1.8×1093.6×1093.8×10911.3×1093.3.1卷积层卷积层是CNN的核心，用于提取局部特征。卷积操作公式：关键参数：卷积核尺寸（如3×3、5×5）步长（Stride）填充（Padding）输出尺寸公式：

3.3.2池化层用于降维、减少噪声、增强平移不变性。常见池化方式：最大池化：取窗口内最大值，保留纹理特征平均池化：取窗口内平均值，平滑特征随机池化：按概率采样，介于两者之间最大池化3.3.3全连接层位于网络末端，用于特征整合与分类/回归。结构特点：每个神经元与上一层全部连接通常接Softmax或Sigmoid激活函数参数量大，易导致计算负担全连接网络结构3.4.1训练集增强提升模型泛化能力的关键手段：数据增强：随机裁剪、旋转、翻转、缩放等标签平滑：减轻模型对标签的过拟合数据混合：混合多个数据集提升多样性作用：增加数据多样性、抑制过拟合、提升鲁棒性。3.4.2损失函数用于衡量模型预测与真实值之间的差异，指导参数优化。MSE（均方误差）

：L=(y_pred-y_true)²RMSE（均方根误差）

：√MSE

MAE（平均绝对误差）

：|y_pred-y_true|选择依据：任务类型（回归/分类）、数据分布、噪声情况。3.4.3优化器用于更新模型参数，常见优化算法：梯度下降（GD）

：全局更新，计算量大批量梯度下降（BGD）

：分批次更新，稳定随机梯度下降（SGD）

：单样本更新，速度快但波动大Adam

：自适应学习率，收敛快且稳定学习率是关键超参数，影响收敛速度与稳定性。3.4.4正则化防止过拟合，提升模型泛化能力：L₁/L₂正则化：对权重施加范数约束权重衰减：逐步减小权重值Dropout

：随机丢弃神经元Batch

Normalization

：归一化层输入，加速训练思考题与习题卷积神经网络的基本原理是什么？阐述其结构。CNN的训练过程包括哪些步骤？不同模型训练差异如何？常见的数