台大李宏毅Machine Learning 2017Fall学习笔记 (11)Convolutional Neural Network

台大李宏毅Machine Learning 2017Fall学习笔记 (11)Convolutional Neural Network

本博客主要整理自：
http://blog.csdn.net/xzy_thu/article/details/69808817
本节课主要讲述了CNN的原理结构、操作过程和应用。

Why CNN for Image

CNN的参数比全连接神经网络少得多，为什么CNN只用较少的参数就可以用于处理图像呢？这是因为图像具有以下三点特征：
1、一些模式比整张图片小得多，例如“鸟喙”就比整张图片小得多；
2、同样的模式可能出现在图像的不同区域，例如“鸟喙”可能出现在图片的左上方也可能出现在图像的中间；
3、对图像的降采样不会改变图像中的物体。
CNN的卷积层的设计对应着前两点，池化层的设计对应着第三点。

CNN-Convolution

理解卷积操作的动图
每一个卷积核都产生一个feature map，不同的卷积核可以提取出不同的特征。关于卷积和feature map另一篇博客也有比较详细的介绍：
http://blog.csdn.net/Allenlzcoder/article/details/78739346
卷积是一种神经网络的连接方式： 也能用全链接的方式表示出卷积操作，如下两图所示。


Shared weights: 同色的weight相等。
通过上面两图看出，卷积的通过共享权重大大减少了参数的数量。
CNN中在卷积层后一般跟着池化层(Pooling)，池化的方法很多，比如均值池化、最大池化等。
Flatten操作是将feature map拉直成列向量，如下图所示。

CNN in Keras

就跟搭积木一样简单。

What does CNN learn?

上例中第二个卷积层有50个11x11的filter，它们的参数是学出来的，定义第k个filter的活跃度为$a^k$，固定参数，用梯度上升法求使$a^k$最大的input image。
得到的结果是，使各个filter活跃度最大的image是各种条纹。这层filter看的还是局部信息。
而使Flatten后的全连接层的filter活跃度最大的image，就显示出了各种轮廓，说明这些filter看的是整体信息。



固定参数，求input image，让output layer的各neuron的output最大，并没有得到期望中的数字图片，而是很杂乱的图像。（白色表示有墨水。）
对目标output加一个L1正则项，所得结果稍显数字轮廓。

Deep Dream 与 Deep Style

Deep Dream: 将一张image作为CNN的输入，将CNN某个hidden layer的output（vector）拿出来，让其中正的更正、负的更负，把它作为新的image的target.

左边CNN filter output代表内容，后边的CNN的filter output之间的correlation代表风格。
要找一张image，其content (filter output)像左，style (output correlation)像右。

More Applications

阿尔法狗：棋盘作为image，有开篇所讲的前两个特点，但没有第三个特点，所以阿尔法狗没有pooling layer。
语音识别应用，CNN的filter只会在频谱的频率方向扫描，不会在时间方向扫描。
文本分类应用，CNN的filter只会在sentence matrix的时间方向扫描，不会在embedding dimension方向扫描。
所以，在具体场景应用CNN时，如何设计CNN的结构，需要考虑场景本身的性质特点。