[作业/人工智能] 作业4 CNN - 卷积

主要参考资料：《神经网络和深度学习》— 邱锡鹏
所用测试图片来源于公开网络，无意侵犯创作权益，如涉及侵权，请联系删除。

概念总结

CNN的结构和各层次功能

卷积层：提取特征

池化层：特征压缩/降维

全连接层：结果预测

卷积

卷积是一个数学概念，在CNN中表示：图像当中数据窗口的数据和卷积核作内积运算的操作，是一种互相关运算。

连续型

离散型

该操作也被称为滤波（filter），主要作用是提取图象在不同维度的特征。

卷积核

也称为滤波器，是定义一系列权值的函数，

可以将输入图像的各个区域的像素点加权平均，得到输出图像的各个像素点，

不同的卷积核可以输出不同风格的图像。图像与卷积核运算，可以提取图像特征。

与全连接相比，卷积核仅关注输入数据的局部特征。

特征图(feature map)

图像和卷积核完成加权累加后，即原图像作为输入经卷积核滤波后，得到的结果就是特征图。

卷积层的输入往往是多层的，输出也往往由多个特征图叠加而成。

特征选择

选择一组较好的特征，由这些低层次的特征，通过更多的卷积层的组合，来表示高层次的特征，能够更好的进行图像识别，使得模型更具针对性和准确度。

池化(Pooling)

又称为下采样(Dwon Sampling)，卷积得到的特征图数据量较大，要利用池化层对其进行数据降维。
使用一定大小的滑动窗口和步长，采用一定规则将该区域降维。

可以采用不同的方式进行池化：

• Max Pooling（取区域最大）
• Mean Pooling（取区域均值）

需要注意的是，

• 过大的采样区域容易导致信息丢失。

• 一般使用非线性激活函数(ReLU)修正负数为0，避免梯度消失。

相关参数：窗口大小，步幅。

多通道

神经层深度

神经元常被组织为三维结构，M x N x D (长 x 宽 x 深度)

特征映射

CNN中的图像处理，往往是同时对多通道的处理，

特征映射为图像经过卷积提取到的特征，每一层可以包含多个特征映射，如一个输入层可以由D个M x N的特征映射组成，

对于单通道图像，其输入层深度为1；多通道下，如RGB，其具有多个特征映射，输入层深度为3。

总结计算机中的色彩空间

位图模式，仅支持一位色深的图像，只包含黑白两种颜色。

GRAY灰度颜色空间，仍是显示全黑和全白之间的颜色，8bit色深下可包含256种颜色。

RGB颜色空间，是三通道色彩表示方式，由三种通道不同组合来表示各种颜色，8bit下有1677万色，而10bit下则有10亿色。还包含RGBA模式，A表示的是Alpha，即透明度。

HSL颜色空间，色调(H)、饱和度(S)、亮度(L)，L=100时显示白色，L=0显示黑色。

HSV颜色空间，色调（Hue）、饱和度Saturation、明度（Value），V=100时显示光谱色，V=0显示黑色。

卷积核作用和原理探究

常见卷积核类型

锐化卷积核

该卷积核就是计算中心位置像素与周围像素的差值，

差值越大则表示该元素附近的变化越大（频率越大），输出值也就越大，因此是高频滤波器的一种。

锐化卷积核元素总和如果是0，则有提取图像边缘信息的效果。

轮廓检测卷积核

原理近似上者，

高斯卷积核
元素总和为1，但每个位置的权重不一样，权重在行和列上的分布均服从高斯分布，故称高斯滤波器。

高斯分布的标准差越大，则模糊程度越大。一个3 × 3标准差为1的高斯滤波器如下所示：

水平边缘检测卷积核

元素总和为0，在纵向变化较大，因此可以用于检测水平边缘。

垂直边缘检测卷积核
元素总和为0，在横向变化较大，因此可以用于检测垂直边缘。

编程实现

经典卷积核测试

所用代码借鉴自

import numpy as np
import torch
from torch import nn
from torch.autograd import Variable
from PIL import Image
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号 #有中文出现的情况，需要u'内容
file_path = 'demo1.png'
im = Image.open(file_path).convert('L')  # 读入一张灰度图的图片
im = np.array(im, dtype='float32')  # 将其转换为一个矩阵
print(im.shape[0], im.shape[1])
plt.imshow(im.astype('uint8'), cmap='gray')  # 可视化图片
plt.title('原图')
plt.show()

im = torch.from_numpy(im.reshape((1, 1, im.shape[0], im.shape[1])))
conv1 = nn.Conv2d(1, 1, 3, bias=False)  # 定义卷积

sobel_kernel = np.array([[-1, -1, -1],
                         [-1, 8, -1],
                         [-1, -1, -1]], dtype='float32')  # 定义轮廓检测算子
sobel_kernel = sobel_kernel.reshape((1, 1, 3, 3))  # 适配卷积的输入输出
conv1.weight.data = torch.from_numpy(sobel_kernel)  # 给卷积的 kernel 赋值

edge1 = conv1(Variable(im))  # 作用在图片上

x = edge1.data.squeeze().numpy()
print(x.shape)  # 输出大小

plt.imshow(x, cmap='gray')
plt.show()

测试图片

边缘检测

锐化

模糊

调整经典卷积核参数

测试两种锐化卷积核的效果差异，



肉眼观察，可以看出，左边的卷积核处理的图片（上方的），锐化效果更明显，由卷积和的作用原理可以分析：锐化卷积核就是计算中心位置像素与周围像素的差值，差值越大则表示该元素附近的变化越大（频率越大），锐化效果越强。

不同尺寸图片测试

前面所用图片的分辨率为，

改变所用图像，


进行锐化操作，

发现效果并不理想，这主要是因为大的图片细节更多，需要使用更大的卷积核进行滤波，小卷积核在小尺寸图片的效果更好。

大的卷积核有利于增大感受野，获得更好的全局特征，但是卷积核并不是越大越好的，更大的卷积核，会导致计算量暴增，不利于模型深度的增加，会导致计算负荷增大。

更多类型卷积核

再尝试下浮雕特色的卷积核的效果，

浮雕效果明显，在小尺寸图像下效果还是明显的，

尝试彩色图片边缘检测

色彩空间转换

以防万一，先对图片进行色彩空间转换，

import cv2

# 读取图片，以rgba向rgb转换为例
rgba = cv2.imread("source_rgba.jpg")
# 图像类型转换函数
rgb = cv2.cvtColor(rgba, cv2.COLOR_RGBA2RGB)
# 保存图片
cv2.imwrite('output_rgb.jpg', rgb)

原图像

图像信息

色彩空间大概率为RGBA，将其转换为RGB三通道，

方法-Canny边缘检测算法
区别于将三通道割裂的进行边缘检测，Canny算法使用了多步处理的方式，利用高斯滤波器和滞后阈值方法，偏向计算整体的梯度变化，效果更好，

可以参考资料：什么是 Canny 边缘检测算法？

幸运的是，在OpenCV当中支持了该方法，

import cv2
edges = cv.Canny( image, threshold1, threshold2[, apertureSize[, L2gradient]])

尝试进行边缘检测

# # -*- coding = utf-8 -*-
# @time:2022/5/12 11:26
# Author:Heph4es
# @File:彩色边缘检测.py
# @Software:PyCharm

import cv2
rgb = cv2.imread("5_RGB.png")
# 设置上下阈值
edge = cv2.Canny(rgb, 32, 128)
cv2.imshow("origin", rgb)
cv2.imshow("result", edge)
cv2.waitKey()
cv2.destroyAllWindows()

效果还是相当不错的😄。

收获总结

• 理解了CNN的概念、工作原理和工作流程，并与全连接方式的神经网络进行了对比，
• 学习了使用Pytorch和OpenCV进行卷积操作，对图像进行风格化处理
• 测试并研究了不同卷积核的作用及其工作原理
• 使用CV2进行了彩色图片的通道转换
• 使用Canny边缘检测算法，对彩色图片进行边缘检测

收获满满啊😄！