[CNN] 卷积、反卷积、池化、反池化

之前一直太忙，没时间整理，这两天抽出点时间整理一下卷积、反卷积、池化、反池化的内容，也希望自己对一些比较模糊的地方可以理解的更加清晰。

一、卷积

1、卷积的简单定义

卷积神经网络中的卷积操作可以看做是输入和卷积核的内积运算。其运算过程非常容易理解，下面有举例。

2、举例解释

（1）为了方便直接解释，我们首先以一个通道（若是彩图，则有RGB的颜色，所以是三个通道）为例进行讲解，首先明确概念：

1） 输入是一个5*5的图片，其像素值如下：
$$\left[\begin{array}{ccccc}1& 1& 1& 0& 0\\ 0& 1& 1& 1& 0\\ 0& 0& 1& 1& 1\\ 0& 0& 1& 1& 0\\ 0& 1& 1& 0& 0\end{array}\right]$$
2）卷积核（kernel）是需要训练的参数，这里为了讲解卷积运算的操作，所以最开始我们假设卷积核的值如下：
$$\left[\begin{array}{ccc}1& 0& 1\\ 0& 1& 0\\ 1& 0& 1\end{array}\right]$$
3）通过窗口和卷积核的内积操作得到的结果叫做feature map。

（2）如下图所示（对应的是上面提到的数据），我们在输入图片上框出一个和卷积核相同大小的区域，基于此计算子区域和卷积核对应元素乘积之和：
注： 本节图形来自对FCN及反卷积的理解

$$1\ast 1+1\ast 0+1\ast 1+0\ast 0+1\ast 1+1\ast 0+0\ast 1+0\ast 0+1\ast 1=4$$
所以feature map的第一个元素值为4。

（3）接着计算第二个子区域和卷积核的对应元素乘积之和，如下图所示：

$$1\ast 1+1\ast 0+0\ast 1+1\ast 0+1\ast 1+1\ast 0+0\ast 1+1\ast 0+1\ast 1=3$$
所以feature map的第二个元素值为3。

（4）接着计算第三个子区域和卷积核的对应元素乘积之和，如下图所示：

$$1\ast 1+0\ast 0+0\ast 1+1\ast 0+1\ast 1+0\ast 0+1\ast 1+1\ast 0+1\ast 1=4$$
所以feature map的第三个元素值为4。

（5）接着计算第四个子区域和卷积核的对应元素乘积之和，如下图所示：

$$0\ast 1+1\ast 0+1\ast 1+0\ast 0+0\ast 1+1\ast 0+0\ast 1+0\ast 0+1\ast 1=2$$
所以feature map的第四个元素值为2。

（6）以此类推，不断执行，最后得到的feature map如下：

$$\left[\begin{array}{ccc}4& 3& 4\\ 2& 4& 3\\ 2& 3& 4\end{array}\right]$$
（7）下面的动图可以连贯的展示上面的过程，可以帮助更直观的理解：

3、多个输入通道

若输入含有多个通道，则对于某个卷积核，分别对每个通道求feature map后将对应位置相加得到最终的feature map，如下图所示：

4、多个卷积核

若有多个卷积核，则对应多个feature map，也就是下一个输入层有多个通道。如下图所示：

5、步数的大小

上述展示的步长为1的情况，若步长为2，则滑动窗口每2步产生一个，如下图所示：

输入大小为$5\ast 5$，卷积核的大小为$3\ast 3$，第一个滑动窗口为红色部分，第二个滑动窗口为绿色部分，第三个滑动窗口为紫色部分，第四个滑动窗口为蓝色部分，所以最后的feature map的大小为$2\ast 2$。

若假设输入大小是$n\ast n$，卷积核的大小是$f\ast f$，步长是$s$，则最后的feature map的大小为$o\ast o$，其中$o$如下：
$$o=\lfloor \frac{n-f}{s}\rfloor +1$$

6、三种模式：Full，Same和Valid

如上图所示，3种模式的主要区别是从哪部分边缘开始滑动窗口卷积操作，区别如下：

Full模式：第一个窗口只包含1个输入的元素，即从卷积核（fileter）和输入刚相交开始做卷积。没有元素的部分做补0操作。
Valid模式：卷积核和输入完全相交开始做卷积，这种模式不需要补0。
Same模式：当卷积核的中心C和输入开始相交时做卷积。没有元素的部分做补0操作。

在之前讲到的内容使用的是Valid的模式。

6、Full，Same和Valid下的feature map的大小

（1）若输入大小是$n\ast n$，卷积核大小为$f\ast f$，步长为$s$，若采用Full或Same模式，假设填充大小为$p$（$p$为一边填充的大小，举例：如果输出$5\ast 5$，卷积核$3\ast 3$，采用Full模式，则$p=2$），则feature map的大小是：$(\lfloor \frac{n+2p-f}{s}\rfloor +1)\ast (\lfloor \frac{n+2p-f}{s}\rfloor +1)$
（2）若输入大小是$n\ast n$，卷积核大小为$f\ast f$，步长为$s$，若不补0，即Valid模式下，feature map的大小为：$(\lfloor \frac{n-f}{s}\rfloor +1)\ast (\lfloor \frac{n-f}{s}\rfloor +1)$
（3）Same模式下，feature map的维度和输入维度相同。

注意：卷积核大小一般为奇数，原因如下：

①当卷积核为偶数时，p不为整数，假设是Same模式，若想使得卷积之后的维度和卷积之前的维度相同，则需要对图像进行不对称填充，较复杂。
②当kernel为奇数维时，有中心像素点，便于定位卷积核。

5、卷积特点

（1）局部视野
卷积操作在运算的过程中，一次只考虑一个窗口的大小，因此其具有局部视野的特点，局部性主要体现在窗口的卷积核的大小。
（2）参数减少
比如，在上述输入为$5\ast 5$，卷积核为$3\ast 3$，输出为$3\ast 3$的例子中，如果是使用NN，则其参数个数为$(5\ast 5)\ast (3\ast 3)$。而在CNN中，其参数个数为卷积核的大小$3\ast 3$。
这只是简单的情况，若输入非常大，卷积核通常不是很大，此时参数量的差距将会非常明显。
（3）权重共享
从上面的讲解可以看到，对一个输入为$5\ast 5$，卷积核为$3\ast 3$的情况下，对于每一个滑动窗口，使用的都是同一个卷积核，所以其参数共享。
（4）多个卷积核可以发现不同角度的特征，多个卷积层可以捕捉更全局的特征（处于卷积网络更深的层或者能够的单元，他们的接受域要比处在浅层的单元的接受域更大）。详见下图（图片来源：花书）：

可以看到，$h_2$的接受域是$x_1,x_2,x_3$，而$g_3$的接受域是$x_1,x_2,x_3,x_4,x_5$。

二、反卷积

为了更深度的了解反卷积，现在还来看下卷积的数学操作。

1、卷积的数学操作
上述是比较直观的图形展示的例子，如果把卷积操作写成矩阵相乘，则对于$4\ast 4$的输入和$3\ast 3$的卷积核的结果如下：

$$\left[\begin{array}{cccccccccccccccc}{c}_{11}& c_{12}& c_{13}& 0& c_{21}& c_{22}& c_{23}& 0& c_{31}& c_{32}& c_{33}& 0& 0& 0& 0& 0\\ 0& c_{11}& c_{12}& c_{13}& 0& c_{21}& c_{22}& c_{23}& 0& c_{31}& c_{32}& c_{33}& 0& 0& 0& 0\\ 0& 0& 0& 0& c_{11}& c_{12}& c_{13}& 0& c_{21}& c_{22}& c_{23}& 0& c_{31}& c_{32}& c_{33}& 0\\ 0& 0& 0& 0& 0& c_{11}& c_{12}& c_{13}& 0& c_{21}& c_{22}& c_{23}& 0& c_{31}& c_{32}& c_{33}\end{array}\right]\left[\begin{array}{c}{x}_{11}\\ x_{12}\\ x_{13}\\ x_{14}\\ x_{21}\\ x_{22}\\ x_{23}\\ x_{24}\\ x_{31}\\ x_{32}\\ x_{33}\\ x_{34}\\ x_{41}\\ x_{42}\\ x_{43}\\ x_{44}\end{array}\right]=\left[\begin{array}{c}{y}_{11}\\ y_{12}\\ y_{21}\\ y_{22}\end{array}\right]$$
最后得到一个$4\ast 1$的矩阵，可以reshape成$2\ast 2$的矩阵，便是最后卷积的结果。

2、反卷积的数学操作
反卷积的操作就相当于对上述$y$左乘$c^T$，维度如下：$c^T$的维度是$16\ast 4$，$y$的维度是$4\ast 1$，故$c^{T}y$的维度是$16\ast 1$，可以将其reshape成$4\ast 4$便变回了原来的维度。

3、反卷积和卷积的关系
反卷积就是特殊的卷积，是使用Full模式的卷积操作，便可以将输入还原，在tensorFlow中，反卷积的操作也是卷积操作。
注意：
在卷积操作中：$cx=y$
在反卷积操作中：$c^{T}y=x$，这里并不是严格意义上的等于，而只是维度的相等，因为$c$和$c^T$都是训练，并不是直接取转置。

三、池化

池化的定义比较简单，最直观的作用便是降维，常见的池化有最大池化、平均池化和随机池化。
池化层不需要训练参数。

1、三种池化示意图

最大池化是对局部的值取最大；平均池化是对局部的值取平均；随机池化是根据概率对局部的值进行采样，采样结果便是池化结果。概念非常容易理解，其示意图如下所示：

2、三种池化的意义

（1）最大池化可以获取局部信息，可以更好保留纹理上的特征。如果不用观察物体在图片中的具体位置，只关心其是否出现，则使用最大池化效果比较好。
（2）平均池化往往能保留整体数据的特征，能凸出背景的信息。
（3）随机池化中元素值大的被选中的概率也大，但不是像最大池化总是取最大值。随机池化一方面最大化地保证了Max值的取值，一方面又确保了不会完全是max值起作用，造成过度失真。除此之外，其可以在一定程度上避免过拟合。

3、重叠池化

一般在CNN中使用的池化都是不重叠的，但是池化也可以重叠，重叠池化和卷积操作类似，可以定义步长等参数，其和卷积的不同在于：卷积操作将窗口元素和卷积核求内积，而池化操作求最大值/平均值等，窗口的滑动等原理完全相同。

四、反池化

池化操作中最常见的最大池化和平均池化，因此最常见的反池化操作有反最大池化和反平均池化，其示意图如下：

反最大池化需要记录池化时最大值的位置，反平均池化不需要此过程。

五、参考文章:

[1] A guide to convolution arithmetic for deep learning
[2] 深度学习（书）
[3] deeplearning（ng）
[4] https://github.com/vdumoulin/conv_arithmetic
[5] 深度理解反卷积操作