AI red teamer （人工智能红队）系列18 - 人工智能基础 - 卷积神经网络
卷积神经网络
卷积神经网络 （CNNs）是一种专门用于处理网格状数据（如图像）的神经网络。它们擅长捕捉空间层次特征，因此在图像识别、物体检测和图像分割等任务中非常有效。 
典型的卷积神经网络（CNN）由三种主要类型的层组成： 

卷积层： 这些是 CNN 的核心构件。它们使用一组可学习的滤波器对输入数据进行卷积。每个滤波器在输入数据上滑动，计算滤波器权重与每个位置的输入值之间的点积。这一过程可提取输入数据的特征，如边缘、角落和纹理。卷积层的输出是特征图 ，它突出显示了输入中学习到的特征。每个层中使用多个过滤器来检测不同类型的特征。
池化层： 这些层降低了特征图的维度，从而降低了网络的计算成本，并减少了过度拟合的可能性。它们对每个特征图进行独立操作，通过提取小窗口内的最大值或平均值来降低采样率。常见的池...