【扫盲】CNN 卷积神经网络 及图像识别举例

前言

暂无

卷积神经网络-CNN 的基本原理

典型的 CNN 由3个部分构成：

1. 卷积层：卷积层负责提取图像中的局部特征；
2. 池化层：池化层用来大幅降低参数量级(降维)；
3. 全连接层：全连接层类似传统神经网络的部分，用来输出想要的结果。

1、卷积层

卷积层的作用：

1. 提取图像的特征，并且卷积核的权重是可以学习的，卷积操作能突破传统滤波器的限制，根据目标函数提取出想要的特征；
2. 参数共享（一个卷积核用来滤整个图像，而不是很多个卷积核），降低了网络参数，提升训练效率。

为什么卷积能够提取图像特征？

• 假设现在有一张图片，我们需要识别老鼠屁股上的这一片区域。

• 绿框内的图像值可能是这样的（当然，这并不是真正的灰度值）
  

• 而卷积核，本质上其实就是一个滤波器，可以看作是一个滤波器模板。在上图中，老鼠尾巴，就是我们要提取的特征，为了提取它，我们可以设置卷积核为下图：
  

• 【注意】真正的卷积核的参数不是手动设置的，它是会自动学习更新的，在这里是为了演示方便所以写死了卷积核的内容。

• 我们将卷积核作用于图片，直接进行卷积运算，我们发现对于识别的特征计算出来的值非常大；
  

• 对于上面的卷积（注意，卷积的结果是一个数）：（5030）+（5030）+（5030）+（2030）+（50*30）=6600；

• 而对于不能识别的特征，计算的值非常小，曲线的卷积核与其卷积得到的值为0，如下：
  

• 所以，如果某个图像块与此卷积核卷积出的值大，则认为此图像块十分接近于此卷积核（就是长得像）。

• 如果我们设计了6个卷积核，可以理解：我们认为这个图像上有6种底层纹理模式，也就是我们用6种卷积核就能描绘出目标物体的完整特征。

2、池化层

• 上图中，我们可以看到，原始图片是20×20的，我们对其进行下采样，采样窗口为10×10，最终将其下采样成为一个2×2大小的特征图。
• 之所以这么做，是因为即使做完了卷积，图像仍然很大（因为卷积核比较小），所以为了降低数据维度，就进行下采样。
• 总结：池化层相比卷积层可以更有效的降低数据维度，这么做不但可以大大减少运算量，还可以有效的避免过拟合。

3、全连接层【待修正】

• 这个部分就是最后一步了，经过卷积层和池化层处理过的数据输入到全连接层，得到最终想要的结果。
• 经过卷积层和池化层降维过的数据，全连接层才能”跑得动”，不然数据量太大，计算成本高，效率低下。
  

全连接层运行流程？

• 假设我们在全连接层中，输入为：特征矩阵是3x3，深度为5的数据，也就是3x3x5，如何把这个数据连接到全链接层的隐层呢（比如这个隐层是1x4096）？

• 其实就是把输入的3x3x5xN的特征矩阵，再做卷积。

• 从上图我们可以看出，我们用一个3x3x5的filter 去卷积**函数的输出，得到的结果就是一个fully connected layer 的一个神经元的输出，这个输出就是一个值。

• 因为我们有4096个神经元，我们实际就是用一个3x3x5x4096的卷积层去卷积**函数，之后输出

这一步的卷积的作用：

• 就是它把特征representation整合到一起，输出为一个值，就是大大减少特征位置对分类带来的影响。

• 从上图我们可以看出，猫在不同的位置，输出的feature值相同，但是位置不同，全连接层filter的作用就相当于忽略了空间结构，只要有猫，不论你在图上的那个位置，我都可以找到你。

• 最终，我们全连接层能够分辨这个特征（比如说猫头）是否出现（是或否）

• 所以全连接层不适合用于在方位上找Pattern的任务，比如segmentation

但是如果全连接层一般不都是多层（一般是两层）么？如下图：

• 这是因为只用一层 全连接层 不能解决非线性问题，所以需要两层或以上 全连接层 来解决非线性问题。

运行流程举例

我们现在的任务是，区分物体是不是猫：

1. 在全连接层之前，通过卷积层等层，我们已经知道了，猫有如下特征（因为卷积层的作用就是提取特征嘛，当做参数输给后面）
2. 红色的神经元表示这个特征被找到了（**了）；同一层的其他神经元之所以没有**，要么是因为猫的特征不明显，要么是因为没找到；当我们把这些找到的特征组合在一起，ok，现在我认为这是猫了。