深度学习之 10 卷积神经网络3

最新推荐文章于 2024-06-18 21:14:17 发布

水w

最新推荐文章于 2024-06-18 21:14:17 发布

阅读量1.6k

点赞数 3

分类专栏： # 深度学习文章标签：深度学习 cnn 神经网络 python 人工智能

本文链接：https://blog.csdn.net/qq_45956730/article/details/126136070

版权

深度学习专栏收录该内容

68 篇文章 46 订阅

订阅专栏

本文是接着上一篇深度学习之 10 卷积神经网络2_水w的博客-CSDN博客

Inception module 包含四个分支：

Inception module 优点：

Inception模块 v1：GoogLeNet

1 参数学习

设计和学习一个神经网络：

Step 1： 设计网络的结构：卷积层，池化层，全连接层

Step 2： 设定超参数 hyper-paramenters

        卷积层的层数，每个卷积层中卷积核的尺寸、卷积核的个数、卷积操作的步长、是否padding、训练时的学习率、batch size等

如果超参数设置不合理会导致过拟合或者欠拟合！！

        ➢ 超参定义了关于模型的更高层次的概念，如 复杂度 或 学习能力（容量）

        ➢ 超参数是 在开始学习过程之前设置的 ，而 不是通过训练 得到的参数数据

        ➢ 通常情况下， 需要对超参数进行优化 ，选择一组最优超参数，以提高学习的性能和效果。（通过验证集配置超参数）

Step 3： 参数学习基于大量样本数据，通过误差逆传播算法进行参数学习（有监督学习）

        ➢ 在卷积神经网络中，主要有两种不同功能的神经层： 卷积层 和池化层

        ➢ 参数为卷积核以及偏置，因此 只需要计算卷积 层中参数的梯度

        ➢ 在全连接前馈神经网络中，梯度主要通过每一层的误差项𝛿 进行反向传播，由此可以计算每层参数的梯度

        ➢ 和全连接前馈网络类似，卷积网络也可以通过 误差反向传播算法 来进行参数学习

2 回顾：卷积神经网络

3 其他卷积方式

（1）普通卷积

（2）转置卷积

⚫ 一般可通过 卷积操作 来实现 高维特征到低维特征的转换

        ➢ 比如在一维卷积中，一个5维的输入特征，经过一个大小为3 的卷积核，其输出为3维特征

        ➢ 如果设置步长大于1，可以进一步降低输出特征的维数。

⚫ 但在一些任务中，我们需要将 低维特征映射到高维特征 ，并且依然希望通过卷积操作来实现       ➢ 转置卷积

⚫ 卷积操作其实可以写为仿射变换的形式

⚫ 仿射变换（Affine Transformation） 可以实现高维到低维的转换，也可以实现低维到高维的转换：

⚫ 卷积操作也可以写成仿射变换的形式

⚫ 从仿射变换的角度来看两个卷积操作也是形式上的转置关系

⚫ 我们将低维特征映射到高维特征的卷积操作称为 转置卷积 ，也称为 反卷积（Deconvolution） 。

⚫ 在卷积网络中，卷积层的前向计算和反向传播也是一种转置关系。

⚫ 我们可以通过增加卷积操作的步长 𝑆 >1 来实现对输入特征的下采样操作，大幅降低特征维数

⚫ 我们也可以通过减少转置卷积的步长 𝑆 <1来实现上采样操作，大幅提高特征维数

⚫ 步长 𝑆 <1 的转置卷积 也称为 微步卷积 （Fractionally-Strided Convolution）

⚫ 卷积操作的步长为 𝑆 ，则其对应的转置卷积的步长为 1𝑆

⚫ 为了实现微步卷积，我们可以 在输入特征之间插入 𝑆 − 1 个0 来间接地使其移动速度变慢

（3）空洞卷积

Q : 正向传播过程中如何增加输出单元的感受野?

         ① 增加卷积核的大小；

        ② 增加卷积层数；比如两层3 × 3 的卷积可以近似一层5 × 5 卷积的效果；

        ③ 加入池化操作；

Q : 这些操作会带来什么问题？

         ① 前两种方式会增加参数数量

         ② 第三种方式会丢失一些信息

⚫ 空洞卷积 （Atrous Convolution）是一种不增加参数数量，同时增加输出单元感受野的方法

⚫ 也称为 膨胀卷积 （ Dilated Convolution ）

⚫ 空洞卷积通过给卷积核插入“空洞”来变相地增加其感受野的范围

⚫ 如果 在卷积核的每两个元素之间插入 𝐷 − 1 个空洞 ，卷积核的有效大小为

其中𝐷 称为膨胀率（Dilation Rate）。当𝐷 = 1 时卷积核为普通的卷积核。

eg：左图中，原有的数据7x7是不变的，把一个3x3的卷积核对应到5x5的区域上，那么我的这个3x3卷积核中的9个参数，形成这样的间隔式，使得这9个点的数据是有间隔的。----膨胀率

3x3的卷积核的覆盖范围变大，但是9个参数（信息）没变。起到以3x3的卷积核覆盖7x7的区域的作用。

当一个图片里包含的信息没有那么多时，这种情况下，我们就可以通过空洞卷积来减少参数量，达到相同的效果。

4 典型网络简介

◼ 演化脉络

（1）LeNet 1998

LeNet-5 [LeCun et al., 1998] 虽然提出的时间比较早，但它是一个非常成功的神经网络模

型。基于LeNet-5 的手写数字识别系统在20世纪90年代被美国很多银行使用，用来识别支

票上面的手写数字。LeNet-5 的网络结构如图所示。

最早的深度卷积神经网络模型，用于字符识别。网络具有如下特点：

        ➢ 卷积神经网络使用三个层作为一个系列：卷积，池化，非线性

        ➢ 使用卷积提取空间特征

        ➢ 使用映射到空间均值的下采样（subsampling）

        ➢ 双曲线（tanh）或S型（sigmoid）形式的非线性激活

        ➢ 多层神经网络（MLP）作为最后的分类器

LeNet提供了利用卷积层堆叠进行特征提取的框架，开启了深度卷积神经网络的发展。

解释：

1、输入图像是32x32的大小，第一个卷积层的卷积核的大小是5x5，使用6个卷积核，不做 padding， 因此C1层的大小是28x28，通道数为6。

2、 S2层是一个下采样层，即池化层。在LeNet-5系统，下采样层比较复杂，由4个点也就是2x2，进行下采样的加权平均为1个点，因为这4个加权系数也需要学习得到，这显然增加了模型的复杂度。

3、第二个卷积层的卷积核的大小是5x5，还是不做padding， 因此C3层的大小为(14-5+1)=10x10。

4.、由S2的6通道到C3的16通道，使用 连接表 来进行组合。

（我们通常采用的方式是使用16个卷积核就可以使得S2的6通道变为C3的16通道，那么每个卷积核都要覆盖到原来的所有6个通道，但是此处不是这样做的，它只是覆盖了部分通道。）

简单来说，例如对于C3层第0张特征图，其每一个节点与S2层的第0、1、2共3张特征图的5x5个节点相连接。对于C3层第1张特征图，其每一个节点与S2层的第1、2、3共3张特征图的5x5个节点相连接。

对于C3层第10张特征图，其每一个节点与S2层的第0、1、4、5共4张特征图的5x5个节点相连接。

最后只有一个卷积核覆盖率全部的6个通道。

5、整个S4层的大小是5x5x16。S4 层是在C3层基础上进行下采样，与S2层类似。

6、 C5层是一个卷积层，有120个特征图。每个单元与S4层的全部16个单元的5*5邻域相连接，故C5特征图的大小为1*1：这构成了S4和C5之间的 全连接 。把原来的立方体的形式拍扁了变成一个向量。得到的C5是一个全连接层。

7、C5层到F6层，把ta从120降到84。

8、然后84再全连接到10，就是以softmax的形式输出10个可能的概率。

（2）AlexNet 2012

➢ 大数据训练：百万级ImageNet图像数据

➢ 防止过拟合：Dropout, 数据增强

➢ 分Group实现双GPU并行，局部响应归一化（LRN）层

➢ 包括5个卷积层、3个池化层、3个全连接层

➢ 非线性激活函数：ReLU

AlexNet在LeNet基础上进行了更宽更深的网络设计，首次在CNN中引入了ReLU、Dropout 和Local Response Norm (LRN)等技巧。网络的技术特点如下：

        ➢使用 ReLU（Rectified Linear Units） 作为CNN的激活函数，并验证其效果在较深的网络超过了Sigmoid，成功解决了Sigmoid在网络较深时的梯度消失问题，提高了网络的训练速率。

        ➢为避免过拟合，训练时使用 Dropout 随机忽略一部分神经元。

        ➢使用重叠的 最大池化(max pooling) 。最大池化可以避免平均池化的模糊化效果，而采用重叠技巧可以提升特征的丰富性。

        ➢ 提出了LRN（局部响应归一化）层，在ReLU后进行归一化处理，对局部神经元的活动创建竞争机制，使得其中响应比较大的值变得相对更大，并抑制其他反馈较小的神经元，增强了模型的泛化能力。

        ➢ 利用 GPU强大的并行计算能力加速网络训练 过程，并采用GPU分块训练的方式解决显存对网络规模的限制。

        ➢ 数据增强 ：利用随机裁剪和翻转镜像操作增加训练数据量，降低过拟合。

➢ 卷积核大小递减，依次为11×11、5×5和3×3。第一层卷积步长为4，之后保持为1。

➢ 在前两层卷积之后分别使用了LRN层。

➢ 与全连接层相比，卷积层包含较少的参数。因此可通过减少全连接层降低网络参数，提高训练时间。

AlexNet在ILSVRC2012图像分类竞赛中将top-5 错误率降 至16.4%，掀起了深度卷积神经网络在各个领域的研究热潮。

（3）Inception网络

2014 ILSVRC winner （22层）

        • 参数： GoogLeNet (4M) vs AlexNet (60M)

        • 错误率：6.7%

        • Inception网络是由有多个 Inception模块和少量的汇聚层堆叠而成。

        • Inception 网络有多个版本，其中最早的Inception v1 版本就是非常著名的GoogLeNet [Szegedy et al., 2015]。GoogLeNet 不写为GoogleNet，是为了向LeNet 致敬。GoogLeNet 赢得了2014 年ImageNet 图像分类竞赛的冠军。

Inception module 包含四个分支：

        ➢ Shortcut短连接分支：将前一层输入通过1×1卷积，最大的作用就是减少维度数（降维），将原始的数据进行融合；

        ➢ 多尺度滤波分支：输入通过1×1卷积来降维之后分别连接卷积核大小为3和5的卷积；

        ➢ 池化分支：相继连接3×3 pooling和1×1卷积；

改变通道数： 𝑾 × 𝑯 × 𝑪 → 𝑾 × 𝑯 × 𝑪′

Inception module 优点：

➢ 减少网络参数，降低运算量

上一层的输出为100x100x128，经过具有256个通道的5x5卷积层之后(stride=1，pad=2)，

输出数据为100x100x256，其中，卷积层的参数为(不考虑偏置)： 128x5x5x256= 819200

而假如上一层输出先经过具有32个通道的1x1卷积层，再经过具有256个输出的5x5卷积层，那么输出数据仍为100x100x256，但卷积参数量已经减少大约减少了4倍： 128x1x1x32 + 32x5x5x256= 204800

因此，1×1卷积的作用之一是通过降维减少网络开销。

➢ 多尺度、多层次滤波

➢ 多尺度： 对输入特征图像分别在3×3和5×5的卷积核上滤波，提高了所学特征的多样性，增强了网络对不同尺度的鲁棒性。

➢ 多层次： 通过1×1卷积把具有高度相关性的不同通道的滤波结果进行组合，构建出

合理的稀疏结构。

因此，1×1卷积的另一作用是对低层滤波结果进行有效的组合。

Inception模块 v1：GoogLeNet

GoogLeNet的网络参数为AlexNet的1/12，由9个Inception模块和5个池化层堆叠而成，在ILSVRC 2014 top-5错误率降至6.67%。

Inception模块 v3

• 用多层的小卷积核来替换大的卷积核，以减少计算量和参数量。

• 使用连续的nx1和1xn来替换nxn的卷积（Inception v2）

• 使用两层3x3的卷积来替换v1中的5x5的卷积

（4）残差网络

问题：是否可以通过简单的层数堆叠学习更好的网络？

➢ 梯度消失和爆炸： 随着网络的加深，在网络中反向传播的梯度会随着连乘变得不稳

定，变得特别大或者特别小。 => 通过Normalized initialization 和 Batch normalization得到解决。

➢ 网络退化（degradation）: 随着网络的加深，准确率首先达到饱和，然后快速退化。 => 在训练集上的错误率同样增加，因此并非受过拟合的影响。

56层的网络不见得就比20层的网络好，因为50层网络太难训练了。

简单的层数堆叠不能提升网络性能，如何利用网络加深带来的优势？