本文是接着上一篇深度学习之 10 卷积神经网络1_水w的博客-CSDN博客
目录
1 出现原因
在 CNN 出现之前，图像对于人工智能来说是一个难题，有2个原因：
➢ 图像在数字化的过程中很难保留原有的特征，导致图像处理的准确率不高；
➢ 图像需要处理的数据量太大，导致成本很高，效率很低；
⚫ 全连接网络处理图像数据时，拉伸成1维：失去图像的局部空间特征。
⚫ CNN 解决了这个问题：他用类似视觉的方式保留了图像的特征，当图像做翻转、旋转或者变换位置时，它也能有效的识别出来是类似的图像。
2 一般结构框架
（1）一般结构框架：卷积层 ——利用卷积核提取特征
卷积核的本质：
第一层提取边缘，第二层将提取的边缘组合成形状，第三层提取的是明显的一些物体。
- 单个卷积核代表图像的某种简单特征。比如垂直边缘、水平边缘、颜色、纹理等。
- 所有卷积核加起来就好比是整张图像的特征提取器集合。
- 堆叠多层的卷积可以逐步提取更高层次、更复杂、更抽象、更泛化的特征。
卷积核深度（通道数）应该与输入一致！
➢利用卷积核进行卷积计算，
➢ 卷积结果，
➢ 卷积结果：考虑多个滤波器
➢因此，如果我们有6个5x5x3的滤波器，我们将获得6个单独的激活图：
我们将它们堆叠起来，以获得尺寸为28x28x6的“新图片”！
⚫ 卷积层的输出的大小？ --- 通道数➢ 某卷积层使用的卷积核的通道数等于该层输入数据的通道数➢ 某卷积层的输出通道数等于该层使用的卷积核的个数
⚫ 卷积层的输出的大小？ --- 长/宽在实际中：常用零填充边框，保证输入输出尺寸相同 。 (N – K+2P) / stride + 1通常的情况是，卷积层步长设置为1，滤波器大小为KxK，则一般使用（K-1）/ 2个像素进行零填充（将在空间上保留大小）
eg：输入图片大小:
32x32
x3 ，
10个卷积核，大小为
5x5
x3，步长为
1, pad =
2。
（1）输出图片大小: (
32
-
5
+2*
2
)/
1
+1 = 32 ，因此输出大小为 32x32x
10
（2）这一层中的参数数量是多少？ 每个卷积核具有
5 * 5
* 3
+1 =
76
个参数 (+1 for bias) =>
76
*
10
=
760
总结
给定一个卷积层，
⚫ 需要四个参数：✓ 卷积核数目 F✓ 卷积核大小 K✓ 步长 S✓ 零填充个数 P⚫ 输入图片大小为 𝑊 1 × 𝐻 1 × 𝐷 1；⚫ 经过卷积后输出大小为 𝑊 2 × 𝐻 2 × 𝐷 2 ，其中➢ 宽度：𝑊 2 = (𝑊 1 − 𝐾 + 2𝑃)Τ𝑆 + 1➢ 高度：𝐻 2 = (𝐻 1 − 𝐾 + 2𝑃)Τ𝑆 + 1➢通道数=卷积核数： 𝐷 2 = F⚫ 通过参数共享，每个滤波器引入 𝐾 ∗ 𝐾 ∗ 𝐷 1 + 1 个参数，因此一共有 𝐹 ∗ 𝐾 ∗ 𝐾 ∗ 𝐷 1 + F 个参数；⚫ 输出结果中，第 𝑑个切片（大小为 𝑊 2 × 𝐻 2 ）是对输入通过第𝑑 个卷积核以步长 𝑆 做卷积然后加 上𝑏𝑖𝑎𝑠 的结果。
特征图可视化
- 通过deconvolution，可以对feature map 进行可视化；
- 浅层layer学到的特征为简单的边缘、角点、 纹理、几何形状、表面等；
- 深层layer学到的特征则更为复杂抽象;
- 人工只能胜任简单卷积核的设计，如边缘；
- 卷积神经网络每层的卷积核权重是由数据驱动学习得来，不是人工设计的。
- 数据驱动卷积神经网络逐层学到由简单到复杂的特征（模式）；
- 复杂模式是由简单模式组合而成；
- 不同的边缘->不同纹理->不同几何图形->不同的轮廓->不同的物体...
- 浅层模式的组合可以多种多样，使深层可以描述的模式也可以多种多样，所以具有很强的表
达能力。
（2）一般结构框架：池化层
池化层（下采样）——数据降维，避免过拟合
（3）一般结构框架：全连接层
CNN卷积神经网络识别图像的过程
3 卷积神经网络擅长什么
以（多维）数组形式 出现的信号局部相关性强 的信号特征可以出现在任何位置的信号物体平移和变形不变的信号◼ 一维卷积网络：循序信号，文本• 文本、音乐、音频、演讲、时间序列◼ 二维卷积网络：图像，时频表示（语音和音频）• 目标检测、定位、识别◼ 三维卷积网络：视频，体积图像，断层扫描图像• 视频识别/理解• 生物医学图像分析• 高光谱图像分析
447
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
