37 深度学习 用于处理图像的CNN

什么是CNN

Covolutional Neural Network，卷积神经网络

卷积是指将一些数线性加权，卷起来

 

一维卷积：

• 三个数a1、a2、a3
• 权值w1、w2、w3
• 卷起来，w1*a1+w2*a2+w3*a3
• 卷积窗口大小为3

 

二维卷积：

• 九个数a11、a12、a13、a21、a22、a23、a31、a32、a33
• 权值w11、w12、w13、w21、w22、w23、w31、w32、w33
• 卷起来，w11*a11+w12*a12+w13*a13+w21*a21+w22*a22+w23*a23+w31*a31+w32*a32+w33*a33
• 卷积窗口大小为3*3

 

所以，卷积的本质，是进行滑动的融合（一维沿着一个方向滑动，二维沿着两个方向滑动）

 

CNN的核心

• 局部连接：仅卷积的部分连接起来，而不像全连接层那样，下一层的每个神经元都和上一层的每个神经元相连
• 权值共享：每一个卷积层（filter）所用的权值是相同的

 

看懂以下的例子，你就懂CNN了：

卷积用以融合和抽象，子采样用以提取

CNN通用套路

1. 原始数据：二维
2. 卷积、子采样、卷积、子采样……
3. 接上全连接层
4. 接上分类层，输出

Keras中的实现

一维卷积：Convolution1D

二维卷积：Convolution2D

池化层：MaxPooling1D、MaxPooling2D、AveragePooling1D、AveragePooling2D