核心要点
CNN 用卷积提取局部空间特征
理解权值共享与平移等变性
适用图像、视频、部分序列/图数据
能与全连接、Transformer 对比选型
标准回答
卷积神经网络（CNN） 专为具有空间或网格结构的数据设计：图像、视频帧、频谱图、甚至 1D 序列。
核心机制：
- 局部连接：每个神经元只看局部 patch
- 权值共享：同一 kernel 扫全图，参数高效
- 平移等变性：目标平移 → 特征图平移
- 层次特征：浅层边缘 → 深层语义
何时使用：
| 任务 | 说明 |
|---|---|
| 图像分类/检测/分割 | 天然首选 |
| 医学影像 | CT/MRI 分析 |
| 视频理解 | 3D 卷积或 2D+时序 |
| 语音 | 1D CNN、MFCC 特征 |
| OCR | 文字区域特征 |
何时慎用：纯表格数据用 MLP/树模型；需全局上下文且有大预训练可考虑 ViT；极小边缘设备需轻量化（MobileNet）。
详见 计算机视觉入门 与 CNN 面试精编。
常见误区
⚠️ 常见踩坑
说 CNN 只能做分类；混淆平移等变与旋转不变；忽视 padding/stride 对输出尺寸影响。
追问
追问 1：CNN 和全连接网络对图像有何区别？
全连接把图像展平，参数量 O(像素×神经元)，忽视空间结构；CNN 利用局部性与共享，参数少、泛化好。MNIST 上差异已明显，ImageNet 上 CNN 压倒性优势。
追问 2：空洞卷积解决什么问题？
在不增加池化、不缩小特征图的前提下扩大感受野，语义分割中可捕获多尺度上下文（如 DeepLab 的空洞空间金字塔 ASPP）。相比堆叠大 kernel，参数更少且保持分辨率。
追问 3：现代还需要学 CNN 吗？
题库专题：卷积神经网络（CNN）为什么适合图像任务？需要。虽然 ViT 在大数据上常超过 CNN，但 CNN 仍是中小数据集、边缘/移动端（MobileNet、EfficientNet）、实时检测分割的主力，归纳偏置强、所需数据和算力更少。且 ConvNeXt 等现代卷积网与 ViT 性能相当，卷积思想还融入了混合架构，是必备基础。
题库延伸：与本追问相关的专题题 → 卷积神经网络（CNN）为什么适合图像任务？
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。
📰 AI 资讯
🛠️ AI 工具
- Pytorch
Meta 开源的深度学习框架，100K+ stars。以动态计算图和 Pythonic 风格著称，在学术界和工业界都有广泛应用，支持分布式训练、移动端部署和 ONNX 导出
- Tensorflow
全球最流行的机器学习框架之一，195K+ stars。Google 开源的端到端 ML 平台，支持 TensorFlow、Keras 等多种 API，覆盖深度学习、强化学习、移动端部署等全场景，是 AI 工程师的必备工具