简约风基础卷积神经网络结构示意图插画素材

绘制一张用于学术论文的基础卷积神经网络（CNN）结构示意图，用于说明卷积神经网络的基本计算流程和层级关系。网络结构为：输入层 → 卷积层 → 激活函数（ReLU） → 池化层 → Flatten → 全连接层 → 输出层。在卷积层中，明确展示 3×3 卷积核与输入特征图之间的局部连接关系，并标注“局部感受野”和“权值共享”，输出为 D 个特征图（H × W × D）。在激活阶段，以文字形式标注 ReLU 激活函数公式：f(x) = max(0, x)，说明其为逐元素非线性变换。在池化层中，使用 2×2 最大池化窗口表示下采样过程，并明确体现空间分辨率由 H × W 降至 H/2 × W/2。在 Flatten 阶段，明确表示多维特征图被展平成一维特征向量，避免将全连接层输出误写为三维特征图。在全连接层中，用一维神经元排列表示线性映射关系，并标注公式 y = W x + b，输出为 K 维向量。各阶段下方标注特征维度变化：H × W × C → H × W × D → H/2 × W/2 × D → K。整体采用简洁、扁平化的矢量风格（vector style），白色背景，低饱和度配色（浅蓝、浅紫、浅绿色），不使用卡通风格、不出现人物、不出现真实照片，所有文字使用中文或数学符号，适合直接用于硕士学位论文的理论基础章节。