CNN 影像辨識入門

範例程式：

Dense DNN 可以處理影像分類，但它會把圖片攤平成一維向量，讓模型失去像素之間的空間關係。CNN（Convolutional Neural Network，卷積神經網路）則是專門為影像資料設計的神經網路架構。

1. 為什麼 CNN 適合影像？

影像中的重要資訊通常不是單一像素，而是局部區域中的形狀、邊緣、紋理與顏色變化。例如數字的筆畫、轉角、封閉區域，都需要觀察鄰近像素之間的關係。

CNN 的卷積層可以在圖片上滑動小型濾波器，擷取局部特徵。這讓模型能夠保留圖片的二維空間結構，而不是把所有像素當成彼此獨立的欄位。

2. CNN 的核心元件

元件	說明
Conv2D	使用卷積濾波器擷取局部影像特徵
MaxPooling2D	壓縮空間尺寸，保留重要特徵
Flatten	將卷積後的特徵圖攤平成向量
Dense	根據抽出的特徵進行分類
Dropout	隨機關閉部分神經元，降低過擬合

3. 建立 CNN 模型

一個簡單的 CNN 可以寫成：

model = tf.keras.Sequential([
    tf.keras.layers.Input(shape=(32, 32, 3)),
    tf.keras.layers.Rescaling(1./255),
    tf.keras.layers.Conv2D(32, (3, 3), activation='relu', padding='same'),
    tf.keras.layers.MaxPooling2D((2, 2)),
    tf.keras.layers.Conv2D(64, (3, 3), activation='relu', padding='same'),
    tf.keras.layers.MaxPooling2D((2, 2)),
    tf.keras.layers.Conv2D(128, (3, 3), activation='relu', padding='same'),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.3),
    tf.keras.layers.Dense(10, activation='softmax')
])

4. 模型結果觀察

目前 notebook 的結果如下：

模型	Train Accuracy	Test Accuracy
SVM RBF raw pixels	0.6947	0.5170
Simple Dense DNN	0.7476	0.6540
Optimized Dense DNN	0.8501	0.6973
Small CNN	0.9814	0.9263

CNN 的測試準確率明顯高於 Dense DNN，這說明模型架構與資料型態之間的匹配非常重要。對影像分類來說，能保留空間結構的 CNN 通常比單純 flatten 後接 Dense layer 更有效。

5. 從 DNN 到 CNN 的觀念差異

Dense DNN	CNN
將圖片攤平成一維向量	保留圖片的二維空間結構
每個像素被當作獨立特徵	擷取局部區域的影像特徵
適合表格資料或簡單影像	適合影像、視覺辨識任務
需要更多參數學習空間關係	透過卷積共享權重，效率較好

6. 小結

這一章完成了從 Dense DNN 到 CNN 的轉換。模型表現大幅提升，主要原因不是單純把網路變深，而是模型架構更符合影像資料的特性。

接下來的總結章會把整個學習路線串起來，回顧每一個模型的角色與限制。