深度卷积神经网络

2.1 为什么要进行实例化

实际上，在计算机视觉任务中表现良好的神经网络框架，往往也适用于其他任务。

2.2 经典网络

• LeNet-5
• AlexNet
• VGG

LeNet-5

主要针对灰度图像

随着神经网络的加深，图像的高度nH$n_H$和宽度nW$n_W$在减小，信道数nC$n_C$一直在增加。
该神经网络中有一个至今仍在使用的模式：
conv —pool —conv —pool —fc —fc —output$conv—pool—conv—pool—fc—fc—output$

AlexNet

AlexNet大约包含6000w个参数，当用于训练图像和数据集时mAlexNet**可以处理非常相似的基本构造模块**，这些模块往往包含着大量的隐藏单元。另外，使用ReLU**函数也使其性能更加出色。

VGG-16

这是一种只需要专注构建卷积层的简单网络。16表示在这个网络中包含16个卷积层和全连接层。总共包含约1.38亿个参数，但是VGG-16结构并不复杂，包含一定规律：

• 几个卷积层后面跟着一个池化层，用于压缩图像大小。
• 卷积层的过滤器数量翻倍增加。

优点：简化了网络结构。
缺点：需要训练的参数巨大。

2.3 残差网络 Residual Network

非常深非常深的神经网络是很难训练的，因为存在梯度消失和梯度爆炸的问题。
解决方法：跳远连接，可以从某一网络层获取**，然后迅速反馈给另外一层，甚至是神经网络的更深层。我们可以利用跳远连接构建能够训练深度网络的ResNets。

残差网络的变化主要体现在：
将a[l]$a^{[l]}$直接向后拷贝到神经网络深层，在ReLU非线性**前面加上a[l]$a^{[l]}$（shortcut / Skip connection）。a[l]$a^{[l]}$的信息直接传递到神经网络的深层而不用沿着主路径传递，从而产生一个残差块。a[l]$a^{[l]}$插入的时机是在线性**之后，ReLU**之前。

每两层增加一个捷径，构成一个残差块，则整个网络构成一个残差网络。

对于普通的训练，随着网络深度的增加，训练错误会先减少，后增加。因为深度越深，意味着用优化算法越难训练。
对于残差网络，即使网络再深，训练效果都会不错——训练误差在减小，有助于解决梯度爆炸和梯度消失的问题。

2.4 残差网络为什么有用？

学习恒等式函数对于残差块来说很容易，Skip Connection使我们很容易得出a[l+2]=a[l]$a[l+2]=a[l]$，这意味着即使我们在a[l]$a[l]$与a[l+2]$a[l+2]$之间加入两层，其效率也不会逊色于简单的神经网络，因为学习恒等函数对它来说很简单。
因此，不论是把残差块添加到神经网络的中间还是末端位置，都不会影响网络的表现，有时候甚至可以提高效率（或者说至少不会降低性能）。

假设a[l]$a[l]$与a[l+2]$a[l+2]$具有不同的维度，则需要在a[l]$a[l]$前乘以一个相应的矩阵WS$W_S$以使其维度相同。

2.5 网络中的网络以及1×1卷积

对于6×6×32的图片来说，1×1卷积实现的功能是计算蓝色图中32个数字和过滤器中32个数字的元素乘积，然后应用ReLU非线性函数。
1×1卷积（network in network）的作用可以理解为，在这32个单元都应用了一个全连接神经网络，全连接层的作用是输入32个数字和过滤器数量（标记为n[l+1]C$n_C^{[l+1]}$），在36个单元(6×6)上重复此过程，输出结果是6×6×过滤器数量。

2.6 谷歌Inception网络简介

Inception网络或Inception层的作用是：代替人工来决定卷积层中的过滤器类型，或者确定是否需要创建卷积层或池化层。
核心内容：

使用1×1卷积，将最左打的输入层，压缩成中间这个较小层，又是被称为“瓶颈层”。先缩小，再扩大，从而大大降低了计算成本。
只要合理构建瓶颈层，则既可以缩小表示层规模，又不会降低网络性能。

2.7 Inception网络

Inception模块将之前层的**或输出作为其输入，然后将不同操作得到的结果直接连接起来——Channel Concat。
注意，如果使用最大池化，则输出信道数与输入相同，需要加一个1×1卷积将信道数减少。

上图中的分支实际上是全连接层，通过softmax获得预测结果，起到调节作用，防止过拟合。

2.9 迁移学习

迁移学习——将公共数据集上的知识（权重参数等）迁移到自己的问题上。

对于较小的数据集，网上的神经网络开源实现代码，可以直接使用其代码和权重参数，去掉最后的softmax层，创建自己的softmax单元以解决自己的实际问题。
可以将中间的神经网络视为冻结的，通过使用别人预训练的参数来获得比较好的性能效果。

对于更大的数据集，应该只冻结一部分层。冻结的层数越少，需要训练的参数越多。

如果有大量的数据，则可以冻结更少的层，甚至将开源神经网络和权重参数只作为初始化，来训练更多参数。

2.10 数据扩充

数据扩充方法：
1. 垂直镜像对称，随机裁剪、局部弯曲等。
2. 色彩转换
对RGB不同的采样方法：PCA（主成分分析）——影响颜色扭曲；PCA颜色增强；

2.11 计算机视觉现状

学习算法两种知识来源：

• Labeled data 已标签的数据
• Hand Engineered手工工程

ppt

• 集成
  独立地训练几个神经网络，并对其输出做平均。（几乎不用于实际生产）

• 测试时的multi-crop

是一种将数据扩展应用到测试图像的形式。