什麼是卷積神經網路 (CNN)？
卷積神經網路 (Convolutional Neural Networks, CNN) 是深度學習中專門處理圖像識別的模型。 電腦看圖片的方式與人類不同，它們看到的是一堆數字（像素值）。CNN 透過一個小小的視窗（稱為卷積核 Kernel 或 濾鏡 Filter）在圖片上滑動，計算局部特徵。
第一步：卷積運算 (Convolution)
原始圖片 (15x15 像素)
滑鼠移動到這裡查看運算
濾鏡 / Kernel (3x3)
原始圖片的像素上...
特徵圖 Feature Map (13x13)
第二步：修正線性單元 (ReLU)
卷積運算可能會產生負數。ReLU (Rectified Linear Unit) 的作用非常簡單：把所有負數變為 0。
Input: 120 → ReLU → Output: 120
第三步：池化 (Max Pooling)
池化層用於縮小圖片尺寸，減少運算量，同時保留最顯著的特徵。最常用的是 Max Pooling (最大池化)。
為什麼這些線條能變成貓？ (深度學習的層次)
您現在在上面看到的只是 CNN 的第一層。這一層只負責看「哪裡有邊」。 這就像你在拼圖時，先把所有邊邊角角的碎片找出來一樣。 神經網路需要經過許多層的堆疊，才能將這些碎片拼成完整的貓。
邊緣與線條
我們目前在這裡。
電腦只看到線段，還不知道這是什麼。
形狀與部位
後面的層會把線條組合起來，
開始認出「三角形」或「圓形」。
完整物件
最後的層將部位拼在一起。
有了耳朵+眼睛+鬍鬚 = 貓！
CNN 學習知識庫 (FAQ)
Q: 為什麼圖像辨識要用 CNN 而不是一般的神經網路 (MLP)？
一般的全連接神經網路 (MLP) 會將圖片的所有像素「拉直」成一條長長的輸入向量，這會破壞圖片中「鄰近像素」的空間關係（例如眼睛通常在鼻子上面）。 相反地，CNN (卷積神經網路) 保留了圖片的二維結構，利用卷積 (Convolution) 來提取局部特徵，不僅大幅減少了運算參數量，還能有效地捕捉形狀、紋理等空間資訊。
Q: 卷積層 (Convolution Layer) 實際上在做什麼？
卷積層就像是一個「特徵篩選器」。它使用不同的小方塊（稱為 Kernel 或 Filter，如本網頁演示的 3x3 方塊）在圖片上滑動。 每一個 Filter 負責尋找一種特定的圖案，例如「垂直邊緣」、「水平邊緣」或「顏色變化」。當 Filter 掃描到符合它負責的圖案時，就會產生一個高數值（Feature Map 中的亮點），告訴電腦：「這裡有我找的東西！」。
Q: 為什麼需要 ReLU 修正線性單元？
卷積運算本質上是線性的（只是乘法和加法）。如果沒有激活函數，整個神經網路就只是一堆線性運算的疊加，無法解決複雜的問題。 ReLU (Rectified Linear Unit) 引入了「非線性」，它將所有負數歸零，保留正數。這有點像神經元的「點火」機制——只有當訊號夠強（大於 0）時才傳遞下去，這讓神經網路能學習更複雜的特徵。
Q: 池化層 (Pooling) 會讓圖片變模糊，為什麼還要用？
雖然池化層（如 Max Pooling）確實會丟失部分細節，但這正是它的目的！它能： 1. 減少運算量：將圖片尺寸縮小（例如從 100x100 變 50x50），減少後續層的參數。 2. 防止過擬合 (Overfitting)：去除不必要的雜訊，只保留最強的特徵。 3. 平移不變性 (Translation Invariance)：即使貓咪稍微往左或往右移動一點，Max Pooling 仍然能抓到「有貓耳朵」這個特徵，讓辨識更穩健。