第2章 基于卷积神经网络的图像复原方法基础

2.1 卷积层

在计算机视觉领域，输入图像的尺寸通常较大。手写字体识别模型LeNet是最早的卷积神经网络（Convolutional Neural Network, CNN）之一。相较于仅使用全连接层搭建的网络结构，LeNet通过巧妙的设计，利用卷积、池化等操作进行特征提取。其中，卷积层具有局部连接和权重共享的特点，避免了较高的计算成本，并在完成分类识别任务方面表现出色。使用PyTorch实现LeNet的示例代码如算法2-1所示，该算法展示了如何定义LeNet的结构、准备数据加载器、编译（在PyTorch中称为配置优化器）及训练模型。

卷积层是卷积神经网络最重要的组成部分，其主要作用是自动学习和提取图像特征。卷积层包括一组滤波器（又称卷积核），通过对给定输入做卷积来生成输出特征图。