卷积神经网络（convolutional neural network）

卷积神经网络（简称 CNN）是一种让计算机「看见」东西的人工大脑。它不会一口气盯着整张照片，而是把一个小窗口——一块小小的滤镜——滑过图像，一次只看一小块，就像你拿放大镜在地图上一格格地扫。每块滤镜只专门捕捉一样简单的东西：一道斜边、一抹颜色、一段弧线。

巧妙之处在于把这些层叠起来。第一层找出朴素的边缘；下一层把边缘拼成转角和纹理；再上一层把它们组装成眼睛、车轮或花瓣；最顶层终于说出「猫」或「停车标志」。从最底层一步步搭起来，简单的零件变成丰富的形状，再变成完整的物体——而网络靠着在数百万张带标签的图片上反复练习，自己学会该用哪些滤镜。

一个常见的担忧是：CNN 会不会把训练用的照片原样「背」下来。多半不会：因为同一块小滤镜会在图像的每一处反复使用，网络倾向于学到放在哪里都管用的模式——一张脸就是一张脸，无论它在画面的角落还是正中央。但「死记硬背」（也就是「过拟合」）仍然可能发生，这正是训练要用海量、多样的数据集的原因。正是这种善于提炼可复用模式的本领，让 CNN 成了计算机视觉的主力，从手机相机到医学影像，背后都有它。