卷积神经网络个人笔记(一)

       这是本人在观看吴恩达老师的关于深度学习课程所作的个人笔记。在上完机器学习的网课后，就立马着手学习深度学习相关的知识。这篇是关于卷积神经网络的笔记，参考黄海广博士的相关笔记。

1 边缘检测(基本卷积运算)

       卷积计算是卷积神经网络中最基本的部分。卷积神经网络在计算机视觉方面有着很好的效果。吴恩达老师从边缘检测开始讲解使大家理解卷积计算。给定一张图片，要计算机判断图片里有什么。可以做的第一件事就是检测图片中的边缘，如下图所示

                                    

       给定一个 6X6的灰度图像，因为是灰度图像，所以为 6X6X1的矩阵。为了检测图像中的垂直边缘，需要构造一个 3X3的矩阵，在神经网络的术语中，该矩阵被称为过滤器(filter)。 该矩阵可以为  ,在有些论文中，也被称为核。对这个 6x6的图像进行卷积运算,卷积运算用  表示，用 3x3的过滤器对其进行卷积

                                    

        这个卷积运算会输出一个4x4的矩阵，也可以看作为4x4的图像。4X4矩阵的坐上角的值是由6x6矩阵的左上角的  矩阵与过滤器(也是矩阵) 对应元素相乘后相加所得，如下所示

                                                           

       然后在将矩阵的所有元素相加得到最左的上值，为 -5。接下来4x4矩阵第一行第二个元素的计算为把蓝色的方块（过滤矩阵）向右移动一列,进行上面相同的运算即可。入下图所示

                                  

     依照上述方法所计算得出的值为-5。依次计算得出 4x4矩阵的第一行。如果要计算下一行，则将过滤器下移即可，如下图所示

                           

       因此6 x6矩阵和3x3矩阵进行卷积运算得到4x4矩阵。这些图片和过滤其是不同维度的矩阵，左边的矩阵理解为一张图片，中间的图片理解为过滤器，右边的图片可以理解为另一张图片。

       为什么这样可以进行垂直检测？吴恩达老师举了一个简单的例子，简单的6x6图片，左边一般为10，右边一半为0。如果看成一张图片，那么左边为白色，右边为黑色。图片中有一条明显的垂直边缘在图像中间，这条垂直线是从黑到白的过渡线。如下所示

                                                             

     当你使用一个 3x3的过滤器对上图进行边缘检测，卷积计算后得出的结果如下所示