第10章 深度學習影像演算法#

前面九章的演算法都由人類設計：我們告訴機器「邊緣是梯度大」「角點是兩個方向都變」「好的描述子要旋轉不變」。深度學習改變了這個遊戲規則：特徵由資料學出來。卷積神經網路 (CNN) 的名字與數學核心正是第 3 章的卷積——但核心的權重不再是人手工設計的高斯或 Sobel，而是從百萬張標註影像中反向傳播學到的。這不是拋棄前面的知識，而是把它們升級：高斯模糊 ≈ 學出來的低通層、非極大值抑制仍在邊框後處理中服役、PSNR/SSIM 之外多了 LPIPS 這類「神經感知指標」。

本章三節的安排是一條從原理到前沿的路。10.1 講 CNN 基礎：卷積層、池化、啟動函數如何堆疊出「由局部到全局」的特徵階梯，以及感受野、參數共享這兩個讓 CNN 稱霸影像的關鍵設計。10.2 講兩大任務的經典架構：影像分類從 LeNet 到 ResNet 的殘差連接革命，與物件偵測從 two-stage（R-CNN 家族「先找候選再分類」）到 one-stage（YOLO「一次算完」）的效率演化。10.3 講生成模型：GAN 用生成器與判別器的博弈學會「無中生有」，擴散模型用「加雜訊再學會去雜訊」達到當前文生圖的品質，以及它們與自監督預訓練、Vision Transformer 的現代圖景。

學習本章請保持兩種視角：做為工程師，理解每個模組的計算與複雜度；做為歷史見證者，注意手工知識如何一步步被資料驅動的方法吸收與取代——而第 1~9 章的數學直覺，正是讀懂現代網路設計（為什麼要殘差？為什麼多尺度？）的地圖。