【AI】【提高认知】卷积神经网络：深度学习与计算机视觉的核心驱动力
卷积神经网络（Convolutional Neural Networks, ConvNets）尽管在近年来成为人工智能领域的一个重大突破，其实它的起源可以追溯到20世纪80年代，由法国计算机科学家杨立昆提出。杨立昆被誉为"ConvNets之父"，作为纽约大学的终身教授，同时也是深度学习三巨头之一，杨立昆为ConvNets的发展奠定了基础，并将它带入了人工智能和计算机视觉的核心位置。
从简单边缘到复杂对象：ConvNets的工作原理
ConvNets之所以成功，是因为它模仿了人类大脑的视觉系统，层层递进地处理图像信息。在ConvNets中，初始层的神经元响应于物体边缘的形状，接下来更复杂的神经元层对由这些边缘构成的简单形状做出响应。随着逐层的处理，网络逐步学会识别更复杂的特征，直到最终对整个对象和特定的面孔进行识别。
这种逐层复杂化的结构是受到胡贝尔和威塞尔关于大脑视皮层的研究启发的。在ConvNets中，输入图像通过卷积操作逐步转换为激活特征图，这些特征图中所包含的信息逐渐从简单到复杂，逐步进行汇总和提取，直到被分类模块进行对象分类。最高卷积层的激活特征图被输入到一个传统的神经网络，输出其对已知对象类别的置信度，最后得到具有最高置信度的对象类别作为网络的分类结果。
卷积层（convolutional layers）是Conv