本文联合编译:Blake、高斐
雷锋网(公众号:雷锋网)注:卷积神经网络(Convolutional Neural Network)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。
Yann LeCun出生在法国,曾在多伦多大学跟随深度学习鼻祖Geoffrey Hinton进行博士后研究。早在20世纪80年代末,Yann LeCun就作为贝尔实验室的研究员提出了卷积网络技术,并展示如何使用它来大幅度提高手写识别能力。上世纪末本世纪初,当神经网络失宠时Yann LeCun是少数几名一直坚持的科学家之一。他于2003年成为纽约大学教授,并从此引领了深度学习的发展,目前任职于Facebook FAIR实验室。本文是Yann LeCun对于卷积神经网络(Convolutional Neural Network)的演讲介绍PPT。
Yann LeCun (信息学与计算机科学)(2015-2016)
ConvNets尝试过程
首个卷积神经网络模型(多伦多大学)(LeCun 88,89)
共320个运用反向传播算法训练的实例
带有步幅的卷积(子样本)
紧密相连的池化过程
在贝尔实验室建立的首个“真实”卷积神经网络模型(LeCun et al 89)
运用反向传播算法进行训练
USPS 编码数字:7300次训练,2000次测试
带有步幅的卷积
紧密相连的池化过程
卷积神经网络(vintage 1990)
滤波-双曲正切——池化——滤波-双曲正切——池化
多重卷积网络
架构
卷积神经网络的结构
卷积神经网络的卷积运算过程大致如下:
输入图像通过三个可训练的滤波器组进行非线性卷积,卷积后在每一层产生特征映射图,然后特征映射图中每组的四个像素在进行求和、加权值、加偏置,在此过程中这些像素在池化层被池化,最终得到输出值。
卷积神经网络的整体结构:
归一化——滤波器组——非线性计算——池化
-
归一化:图像白化处理的变形(可选择性)
减法运算:平均去除,高通滤波器进行滤波处理
除法运算:局部对比规范化,方差归一化
-
滤波器组:维度拓展,映射
-
非线性:稀疏化,饱和,侧抑制
精馏,成分明智收缩,双曲正切等
-
池化: 空间或特征类型的聚合
最大化,Lp范数,对数概率
LeNet5
卷积神经网络简化模型
MNIST (LeCun 1998)
阶段1:滤波器组——挤压——最大池化
阶段2:滤波器组——挤压——最大池化
阶段3:标准2层 MLP
多特征识别(Matan et al 1992)
每一层都是一个卷积层
单一特征识别器 ——SDNN
滑动窗口卷积神经网络+加权有限状态机
应用
卷积神经网络的应用范围
-
信号以(多维度)数组的形式出现
-
具有很强局部关联性的信号
-
特征能够在任何位置出现的信号
-
目标物不因翻译或扭曲而变化的信号
-
一维卷积神经网络:时序信号,文本
文本分类
音乐体裁分类
用于语音识别的声学模型
时间序列预测
-
二维卷积神经网络:图像,时间-频率表征(语音与音频)
物体检测,定位,识别
-
三维卷积神经网络:视频,立体图像,层析成像
视频识别/理解
生物医学图像分析
高光谱图像分析
人脸检测(Vaillant et al.93, 94)
-
应用于大图像检测的卷积神经网络
-
多尺度热量图
-
对候选图像的非最大抑制
-
对256X256图像进行6秒稀疏
人脸检测的艺术结果状态
卷积神经网络在生物图像切割方面的应用
-
生物图像切割(Ning et al. IEEE-TIP 2005)
-
运用卷积神经网络在大背景下进行像素标记
-
卷积神经网络拥有一个像素窗口,标记中央像素
-
运用一个有条件的随机域进行清除
-
3D版连接体(Jain et al.2007)
场景解析/标记
场景解析/标记:多尺度卷积神经网络结构
-
每一个输出值对应一个大的输入背景
46X46全像素窗口;92X92 1/2像素窗口;182X182 1/4像素窗口
[7X7卷积运算]->[2X2池化] ->[7X7卷积运算] ->[2X2池化] ->[7X7卷积运算] ->
监督式训练全标记图像
方法:通过超级像素区域选出主要部分
输入图像——超像素边界参数——超像素边界——通过超像素进行主要部分投票处理——类别与区域边界对齐
多尺度卷积网络——卷积网络特征(每个像素中d=768)卷积分类——“soft”分类得分
场景分析/标记
-
无前期处理
-
逐帧进行
-
在Vittex-6 FPGA硬件上以50ms一帧运行卷积网络
但是在以太网上传输特征限制了系统的表现
针对远程自适应机器人视觉的卷积网络(DARPA LAGR项目2005-2008)
输入图像
标记
分类输出
非常深的卷积网络架构
小内核,较少二次抽样(小部分二次抽样)
VGG
GoogleNet
Resnet
使用卷积网络进行对象检测和定位
分类+定位:多重移动窗口
-
将带多重滑动窗口的卷积网络应用到图像上
-
重要提示:将卷积网络应用到一张图片上非常便宜
只要计算整个图像的卷积并把全连接层复制
分类+定位:滑动窗口+限定框回归
-
将带多重滑动窗口的卷积网络应用到图像上
-
对每个窗口,预测一个类别和限定框参数
即便目标不是完全包含在浏览窗口中,卷积网络也能猜测它认为这个目标是什么。
Deep Face
-
Taigman等 CVPR 2014
队列
卷积网络
度量学习
-
Facebook开发的自动标记方法
每天8亿张图片
使用卷积网络进行姿势预估和属性恢复
深度属性模型的姿势对齐网络
Zhang等 CVPR 2014 (Facebook AI Research)
人物检测和姿势预估
Tompson,Goroshin,Jain,Lecun,Bregler等 arxiv(2014)
监督卷积网络画图
-
使用卷积网络来画图
-
Dosovitskyi等 arxiv (1411:5928)
监督卷积网络画图
-
生成椅子
-
特征空间对椅子进行计算
全局(端对端)学习:能量模型
输入——卷积网络(或其他深度架构)——能量模块(潜在变量、输出)——能量
-
使得系统中每个模块都能进行训练。
-
所有模块都是同时训练的,这样就能优化全局的损失函数。
-
包括特征提取器,识别器,以及前后处理程序(图像模型)。
-
问题:反向传播在图像模型中倾斜
深度卷积网络(还有其他深度神经网络)
-
训练样本:(Xi,Yi)k=1 到 k
-
对象函数(边缘型损失= ReLU)
题图来自newscientist.com
本文作者:李尊 | 2016-08-23 18:39 |