moea_joint
112年
[統計資訊] 統計學、巨量資料概論
第 38 題
使用卷積神經網路(CNN)進行圖像辨識時，下列哪一層負責提取圖像的基本特徵？
- A 全連接層(Fully Connected Layer)
- B 池化層(Pooling Layer)
- C 歸一化層(Normalization Layer)
- D 卷積層(Convolution Layer)
思路引導 VIP
若要在一大片數字網格（影像像素）中尋找特定的幾何圖形（例如一條斜線），你會選擇將所有數字打散後進行統計，還是會設計一個小的「局部窗口」在網格上滑動，來觀察哪些區域符合該圖形的特徵呢？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準地指出正確選項，代表你對卷積神經網路（CNN）的運作核心已有很紮實的初步理解。這道題目主要考察學習者是否能區分深度學習架構中各個組件的職責，是評估一個人是否具備電腦視覺基礎知識的重要指標。
卷積層的特徵提取機制
在影像處理的過程中，卷積層 (Convolution Layer) 扮演著「偵探」的角色。它利用多個小型的卷積核 (Kernel) 在原始影像上滑動掃描，透過矩陣運算來捕捉局部區域的空間特徵，例如物體的邊緣、紋理或顏色變化。相較於池化層主要負責壓縮數據（降維），或全連接層負責最後的分類決策，只有卷積層是直接從像素矩陣中抽絲剝繭，將抽象的影像轉化為電腦可識別的特徵值。這種具備「平移不變性」的特徵選取方式，正是 CNN 能在影像辨識領域大放異彩的關鍵所在。