AI時代系列(2) 機器學習三部曲: 🔹 第二部：《深度學習 —— 神經網路的革命》
22/100 第三週：📌 卷積神經網路 CNN
22.卷積層原理 🧩 濾鏡滑動提取圖像特徵！________________________________________
✅ 什麼是「卷積層」？
卷積層是 CNN 的核心，它利用濾鏡（Filter / Kernel）在圖片上滑動，提取圖像中如邊緣、紋理、角度等局部特徵。
📌 卷積的關鍵行為：
• 濾鏡：一組小矩陣（如 3×3、5×5）
• 滑動：在輸入圖像上從左到右、從上到下移動
• 每次移動：計算濾鏡與對應區域的「元素乘積總和」
• 輸出：稱為特徵圖（Feature Map）
________________________________________
🧠 類比理解：
濾鏡就像是「圖片掃描器」，它看一小塊、記住邊緣或紋路，然後走一步，再掃下一格，最終拼出一張「特徵地圖」。
________________________________________
🧩 卷積計算示意：
🎯 原始輸入（5×5 圖像）：
1 2 0 3 1
4 1 0 1 2
1 3 2 2 0
0 1 3 1 1
2 2 0 0 3
🔍 3×3 濾鏡：
1 0 -1
1 0 -1
1 0 -1
🔁 卷積運算結果（步幅=1，不加 padding）：
• 每次以 3×3 區塊乘上濾鏡 → 得出一數值
• 最終輸出為 3×3 特徵圖
________________________________________
⚙️ 超參數說明：
在卷積神經網路（CNN）中，卷積層的幾個重要參數會直接影響特徵提取的方式與輸出形狀。
🖼️ 輸入圖像（28x28）
🔲 Kernel Size（濾鏡大小）：
📏 例如 3x3 或 5x5 → 決定每次看的區域大小
⛏️ 濾鏡像放大鏡一樣滑過圖像局部
➡️ Stride（步幅）：
👣 Stride=1：每次移動一格（較細緻）
🦘 Stride=2：每次跳一格（降解析度）
🧱 Padding（邊界補零）：
▫️ same：補零 → 輸出與輸入同尺寸
▫️ valid：不補 → 輸出變小但更精簡
🎨 Filters（濾鏡數量）：
🎭 每個濾鏡學一種特徵（邊緣、紋理、形狀）
📦 輸出深度 = 濾鏡數，例如 32 → 輸出是 28x28x32
📤 輸出 Feature Map（特徵圖）
這些設定控制了 CNN 對圖像的掃描方式與學習能力，是設計深度學習視覺模型時的關鍵元件。
________________________________________
📦 TensorFlow / Keras 實作：
python
from tensorflow.keras import layers
model = tf.keras.Sequential([
layers.Conv2D(filters=32, kernel_size=(3, 3),
strides=1, padding='same',
activation='relu', input_shape=(28, 28, 1))
])
這段程式碼使用 Keras 建立了一個簡單的卷積神經網路模型，包含一層 Conv2D 卷積層。該層使用 32 個 3x3 濾鏡，步幅為 1，並設定 padding='same'，表示輸出尺寸與輸入保持一致（28x28）。激活函數採用 ReLU，有助於引入非線性並促進收斂；input_shape=(28, 28, 1) 表示輸入為 28x28 的灰階圖像。這層可有效提取局部邊緣與紋理特徵，常作為 CNN 結構的起始層。
_______________________________________
📸 實際效果圖例：
卷積神經網路中的濾鏡會自動學習提取不同類型的特徵圖，幫助模型理解圖像內容。邊緣濾鏡能突顯物體的輪廓與邊界變化，是辨識形狀的基礎；水平或垂直濾鏡專注於掃描橫向或縱向的直線結構，有助於偵測文字或建築線條；紋理濾鏡則能識別圖像中的表面細節，例如動物的毛髮或物體的材質粗細。這些濾鏡在訓練過程中由模型自動學得，是 CNN 能成功進行影像辨識的關鍵所在。
________________________________________
📊 卷積層優勢：
卷積神經網路（CNN）具備多項優勢，使其特別適合處理圖像資料。透過局部感知能力，每個濾鏡專注於圖像的一小區域，能精準學習細節特徵；參數共享機制讓同一濾鏡在整張圖上滑動，大幅降低參數量並提升運算效率；同時，CNN 具備空間不變性，即使物件在圖中移動或旋轉，仍能穩定辨識；此外，透過多層堆疊，模型能從低階邊緣開始，逐步學習形狀、紋理，甚至高階語意概念，形成具層次的強大特徵表示能力。
________________________________________
🧠 對比 MLP 的強大之處：
相較於 MLP（多層感知器），CNN（卷積神經網路）在處理圖像任務上具有明顯優勢。MLP 採用全連接層結構，所有輸入都需連接至每個神經元，參數量龐大，且圖像需先扁平化為一維向量，導致空間資訊流失；反之，CNN 採用卷積→池化→展平→全連接的層次結構，透過濾鏡共享大幅減少參數，並保留圖像的空間特性，能有效提取邊緣、紋理、形狀等視覺特徵，因此在圖像辨識、物體檢測等任務中表現遠優於 MLP。
________________________________________
🎯 小結與啟示：
✅ 卷積層讓神經網路不只是分類器，而是「看圖說話的視覺系統」
✅ 透過滑動濾鏡，我們可以擷取圖像的邊緣、紋理、形狀與結構
✅ CNN 的真正威力來自「卷積 + 深度堆疊 + 空間感知」
