深度解析卷积神经网络（CNN）各层的作用

1

CNN 的典型层结构

一个标准的 CNN 通常由以下几类层组成，按照处理顺序排列：

下面逐一深入每一层。

2

输入层（Input Layer）

是什么？

接收原始图像的层。对于图像数据，输入通常是三维张量： 高度 × 宽度 × 通道数 。

为什么需要？

这是数据的入口。所有后续处理都基于这个原始输入。

特点

不进行任何计算，只是数据载体

常见输入尺寸：224×224×3（ImageNet标准）、32×32×3（CIFAR标准）

通常需要对输入做归一化（如将像素值缩放到[0,1]或[-1,1]）

3

卷积层（Convolutional Layer）

是什么？

CNN 的核心层，包含一组可学习的卷积核（滤波器），在输入上滑动进行卷积运算。

为什么需要？

局部连接 ：符合图像中局部像素相关性强的特点

参数共享 ：同一个卷积核扫描整张图，大幅减少参数量

特征提取 ：自动学习从低级到高级的特征

特点

关键参数

卷积核数量：决定输出通道数

卷积核尺寸：通常 3×3、5×5、7×7

步长：控制滑动的步幅

填充：控制输出尺寸

4

激活层（Activation Layer）

是什么？

对卷积层的输出应用非线性激活函数。

为什么需要？

引入非线性 ：如果没有激活函数，多层卷积等价于单层线性变换

增强表达能力 ：让网络能够学习复杂的非线性模式

特点

位置

通常紧跟在卷积层之后，即 Conv → Activation 。

5

池化层（Pooling Layer）

是什么？

对特征图进行下采样，减小空间尺寸。

为什么需要？

降维 ：减少计算量和参数量

扩大感受野 ：让后续层能看到更大的输入区域

引入平移不变性 ：对微小位置变化不敏感

防止过拟合 ：减少参数，降低模型复杂度

特点

位置

通常在卷积块之后，即 Conv → Activation → Pooling 。

6

归一化层（Normalization Layer）

是什么？

对特征图进行标准化处理，使其分布更稳定。

为什么需要？

加速收敛 ：让网络更快地训练

稳定训练 ：缓解梯度消失/爆炸

允许更大学习率 ：提高训练效率

有一定正则化效果 ：轻微防止过拟合

常见类型

位置

通常在激活函数之前或之后，经典顺序是 Conv → BN → ReLU 。

7

全连接层（Fully Connected Layer）

是什么？

传统神经网络的标准层，每个神经元与上一层的所有神经元相连。

为什么需要？

特征组合 ：将卷积层提取的局部特征进行全局组合

维度变换 ：将特征图映射到特定维度的输出空间

决策层 ：在分类任务中作为最后的分类器

特点

参数量巨大 ：容易成为网络参数的主要部分

全连接 ：每个输出与所有输入相连

对输入尺寸敏感 ：要求输入特征图尺寸固定

现代趋势

越来越多的CNN架构用 全局平均池化 替代全连接层，大幅减少参数量。

8

输出层（Output Layer）

是什么？

网络的最后一层，输出最终预测结果。

为什么需要？

将网络提取的特征映射到任务所需的输出形式。

9

一个典型CNN的结构示例

以经典的 VGG16 为例，看看各层如何配合：

输入层 (224×224×3)
    ↓
卷积块1: Conv3-64 → ReLU → Conv3-64 → ReLU → MaxPool
    ↓
卷积块2: Conv3-128 → ReLU → Conv3-128 → ReLU → MaxPool
    ↓
卷积块3: Conv3-256 → ReLU → Conv3-256 → ReLU → Conv3-256 → ReLU → MaxPool
    ↓
卷积块4: Conv3-512 → ReLU → Conv3-512 → ReLU → Conv3-512 → ReLU → MaxPool
    ↓
卷积块5: Conv3-512 → ReLU → Conv3-512 → ReLU → Conv3-512 → ReLU → MaxPool
    ↓
全连接层: FC-4096 → ReLU → Dropout → FC-4096 → ReLU → Dropout → FC-1000
    ↓
输出层: Softmax

空间维度递减 ：通过池化层逐步缩小特征图

特征维度递增 ：卷积核数量逐块增加

局部到全局 ：从卷积提取局部特征，到全连接进行全局决策

10

总结：为什么需要这么多不同类型的层？

如果把CNN比作一个 图像理解工厂 ：

每一层都有其不可替代的作用，它们的协同工作使得CNN能够从原始像素中学习到层次化的特征表示，最终完成复杂的视觉任务。