一句話解釋
CNN（Convolutional Neural Network，卷積神經網路）是一種專為處理圖像設計的深度學習架構，透過「卷積」操作自動提取圖像中的特徵。
為什麼需要 CNN？
如果用普通的神經網路處理一張 224×224 的彩色圖片，輸入就有 224×224×3 = 150,528 個數值。全連接層的參數量會爆炸，不只訓練慢，還容易過擬合。
CNN 的設計解決了這個問題：它不是一次看整張圖，而是用小小的「濾波器」一塊一塊地掃描，大幅減少參數量。
三個核心元件
1. 卷積層（Convolutional Layer）
卷積層是 CNN 的靈魂。它用一個小型的濾波器（Filter / Kernel）在圖像上滑動，每滑一步就計算一次局部區域的特徵。
想像你拿一個 3×3 的放大鏡在照片上移動：
- 在某些位置，放大鏡偵測到「邊緣」
- 在某些位置，偵測到「角落」
- 在某些位置，偵測到「紋理」
不同的濾波器會提取不同的特徵。淺層的濾波器提取簡單特徵（邊緣、顏色），深層的濾波器提取複雜特徵（眼睛、輪子、文字）。
2. 池化層（Pooling Layer）
池化層的功能是降低維度，保留重要特徵，去掉不重要的細節。
最常見的是 Max Pooling：在一個小區域中只保留最大值。例如一個 2×2 的區域只保留一個數字，資料量直接減少 75%。
池化的好處：
- 減少計算量
- 增加平移不變性（圖片稍微移動不影響辨識結果）
3. 全連接層（Fully Connected Layer）
卷積和池化提取完特徵後，最後用全連接層做分類。例如：「這些特徵最像貓？還是狗？」
CNN 的典型流程
輸入圖片 → [卷積 → 激活 → 池化] × N 次 → 全連接層 → 輸出分類越深的層提取越抽象的特徵：
- 第 1 層：邊緣、顏色
- 第 2-3 層：紋理、形狀
- 第 4-5 層：物件部件（眼睛、嘴巴）
- 最後幾層：完整物件（人臉、車子）
經典 CNN 架構
考試可能會提到的經典架構：
| 架構 | 年份 | 特色 |
|---|---|---|
| LeNet | 1998 | 最早的 CNN，用於手寫數字辨識 |
| AlexNet | 2012 | ImageNet 比賽冠軍，引爆深度學習熱潮 |
| VGG | 2014 | 使用大量 3×3 濾波器堆疊 |
| ResNet | 2015 | 引入殘差連接（Residual Connection），解決梯度消失問題 |
不需要背每個架構的細節，但要知道 ResNet 的殘差連接是一個重要概念——它讓很深的網路也能順利訓練。
應用場景
- 影像分類：辨識圖片中的物體（貓、狗、車）
- 物件偵測：找出圖片中物體的位置和類別
- 人臉辨識：門禁系統、手機解鎖
- 醫療影像：X 光片判讀、皮膚病變偵測
- 自動駕駛：辨識行人、車輛、交通號誌
iPAS 考試怎麼考？
必記重點
- 看到「影像」就想到 CNN——這是最直接的連結
- 卷積層提取特徵、池化層降維、全連接層分類
- CNN 的優勢：參數共享（同一濾波器掃全圖）、局部連接（不用看整張圖）
- CNN 不適合序列資料（文字、時間序列）→ 那是 RNN 或 Transformer 的場景
常見考題
- 「下列何種架構最適合影像分類？」→ CNN
- 「CNN 中池化層的主要功能？」→ 降低維度 / 減少參數量
- 「卷積操作的特色是什麼？」→ 參數共享、局部感受野