当前位置：网站首页>深度学习之 10 卷积神经网络2

深度学习之 10 卷积神经网络2

2022-08-03 09:01:00 【水w】

本文是接着上一篇深度学习之 10 卷积神经网络1_水w的博客-CSDN博客

1 出现原因

2 一般结构框架

（1）一般结构框架：卷积层 ——利用卷积核提取特征

1 出现原因

在 CNN 出现之前，图像对于人工智能来说是一个难题，有2个原因：
* 图像在数字化的过程中很难保留原有的特征，导致图像处理的准确率不高；
* 图像需要处理的数据量太大，导致成本很高，效率很低；

全连接网络处理图像数据时，拉伸成1维：失去图像的局部空间特征。

CNN 解决了这个问题：他用类似视觉的方式保留了图像的特征，当图像做翻转、旋转或者变换位置时，它也能有效的识别出来是类似的图像。

2 一般结构框架

（1）一般结构框架：卷积层 ——利用卷积核提取特征

卷积核的本质：
第一层提取边缘，第二层将提取的边缘组合成形状，第三层提取的是明显的一些物体。
单个卷积核代表图像的某种简单特征。比如垂直边缘、水平边缘、颜色、纹理等。
所有卷积核加起来就好比是整张图像的特征提取器集合。
堆叠多层的卷积可以逐步提取更高层次、更复杂、更抽象、更泛化的特征。
卷积核深度（通道数）应该与输入一致！

*利用卷积核进行卷积计算，

* 卷积结果，

* 卷积结果：考虑多个滤波器

*因此，如果我们有6个5x5x3的滤波器，我们将获得6个单独的激活图：

我们将它们堆叠起来，以获得尺寸为28x28x6的“新图片”！

卷积层的输出的大小？ --- 通道数
         * 某卷积层使用的卷积核的通道数等于该层输入数据的通道数
         * 某卷积层的输出通道数等于该层使用的卷积核的个数

卷积层的输出的大小？ --- 长/宽
在实际中：常用零填充边框，保证输入输出尺寸相同。   (N – K+2P) / stride + 1
通常的情况是，卷积层步长设置为1，滤波器大小为KxK，则一般使用（K-1）/ 2个像素进行零填充（将在空间上保留大小）

eg：输入图片大小: 32x32x3 ，10个卷积核，大小为 5x5x3，步长为 1, pad = 2。

（1）输出图片大小: (32-5+2*2)/1+1 = 32 ，因此输出大小为 32x32x10

（2）这一层中的参数数量是多少？每个卷积核具有 5 * 5 * 3 +1 = 76个参数 (+1 for bias) => 76 * 10 = 760

总结

给定一个卷积层，
需要四个参数：
        * 卷积核数目F
        * 卷积核大小K
        * 步长S
        * 零填充个数P
输入图片大小为 𝑊1 × 𝐻1 × 𝐷1；
经过卷积后输出大小为 𝑊2 × 𝐻2 × 𝐷2 ，其中
        * 宽度：𝑊2 = (𝑊1 − 𝐾 + 2𝑃)Τ𝑆 + 1
        * 高度：𝐻2 = (𝐻1 − 𝐾 + 2𝑃)Τ𝑆 + 1
        *通道数=卷积核数： 𝐷2 = F
通过参数共享，每个滤波器引入𝐾 ∗ 𝐾 ∗ 𝐷1 + 1 个参数，因此一共有 𝐹 ∗ 𝐾 ∗ 𝐾 ∗ 𝐷1 + F个参数；
输出结果中，第𝑑个切片（大小为 𝑊2 × 𝐻2）是对输入通过第𝑑个卷积核以步长𝑆做卷积然后加上𝑏𝑖𝑎𝑠的结果。

特征图可视化

通过deconvolution，可以对feature map 进行可视化；
浅层layer学到的特征为简单的边缘、角点、纹理、几何形状、表面等；
深层layer学到的特征则更为复杂抽象;
人工只能胜任简单卷积核的设计，如边缘；
卷积神经网络每层的卷积核权重是由数据驱动学习得来，不是人工设计的。
数据驱动卷积神经网络逐层学到由简单到复杂的特征（模式）；
复杂模式是由简单模式组合而成；
不同的边缘->不同纹理->不同几何图形->不同的轮廓->不同的物体...
浅层模式的组合可以多种多样，使深层可以描述的模式也可以多种多样，所以具有很强的表

达能力。

（2）一般结构框架：池化层

池化层（下采样）——数据降维，避免过拟合

（3）一般结构框架：全连接层

CNN卷积神经网络识别图像的过程

3 卷积神经网络擅长什么

以（多维）数组形式出现的信号
局部相关性强的信号
特征可以出现在任何位置的信号
物体平移和变形不变的信号
一维卷积网络：循序信号，文本
        • 文本、音乐、音频、演讲、时间序列
二维卷积网络：图像，时频表示（语音和音频）
        • 目标检测、定位、识别
三维卷积网络：视频，体积图像，断层扫描图像
        • 视频识别/理解
        • 生物医学图像分析
        • 高光谱图像分析