【Python教程】计算机视觉的基石——读懂 CNN卷积神经网络

神经网络接受输入图像/特征向量，并通过一系列隐藏层转换，然后使用非线性激活函数。每个隐藏层也由一组神经元组成，其中每个神经元都与前一层中的所有神经元完全连接。神经网络的最后一层（即“输出层”）也是全连接的，代表网络的最终输出分类。

CNN神经网络

一般卷积神经网络有如下结构：

1. •数据输入层/ Input layer
2. •卷积计算层/ CONV layer
3. •ReLU激励层 / ReLU layer
4. •池化层 / Pooling layer
5. •全连接层 / FC layer

当然卷积层，Relu激励层与Pooling层可以多次使用

输入层/ Input layer

该层要做的处理主要是对原始图像数据进行预处理，其中包括：

•去均值：把输入数据各个维度都中心化为0，如下图所示，其目的就是把样本的中心拉回到坐标系原点上。

•归一化：幅度归一化到同样的范围，如下所示，即减少各维度数据取值范围的差异而带来的干扰，比如，我们有两个维度的特征A和B，A范围是0到10，而B范围是0到10000，如果直接使用这两个特征是有问题的，好的做法就是归一化，即A和B的数据都变为0到1的范围。

•PCA/白化：用PCA降维；白化是对数据各个特征轴上的幅度归一化

卷积层

卷积层是卷积神经网络的核心构建块。这层参数由一组K 个可学习过滤器（即“内核”）组成，其中每个过滤器都有宽度和高度，并且几乎总是正方形。

对于 CNN 的输入，深度是图像中的通道数（即，处理 RGB 图像时深度为 3，每个通道一个）。对于网络中更深的卷积，深度将是前一层应用的过滤器数量。

为了让这个概念更清晰，让我们考虑 CNN 的前向传递，我们在输入体积的宽度和高度上对K 个滤波器中的每一个进行卷积。更简单地说，我们可以想象我们的K 个内核中的每一个都在输入区域上滑动，计算元素级乘法、求和，然后将输出值存储在二维激活图中。

左：在 CNN 的每个卷积层，有K 个内核。中间：K 个内核中的每一个都与输入进行了卷积。右图：每个内核产生一个 2D 输出，称为激活图。卷积过程可以参考下图