TensorFlow学习笔记之五（卷积神经网络)

1. 图片识别问题简介以及经典数据集

1.1 图片识别问题简介

视觉是人类认识世界非常重要的一种知觉。对于人来说，通过视觉来识别手写体数字、识别图片中的物体或者找出图片中人脸的轮廓都是非常简单的任务。但是这对于计算机来说不是一件简单的事情。

图片识别问题希望借助计算机中的程序来处理、分析和理解图片中的内容，使得计算机可以从图片中识别各种不同模式的目标和对象。比如前面的MNIST联系就是通过计算机来识别图片中的手写体数字。

1.2 经典数据集

MNIST数据集：TensorFlow入门数据集

CIFAR ：CIFAR数据集是一个影响力很大的图像分类数据集。分为CIFAR-10和CIFAR-100两个问题，它们都是图像字典项目(Visual Dictionary)中800万张图片中的一个子集。CIFAR数据集中的图片是32*32的彩色图片。

ImageNet：
无论是MNIST还是CIFAR数据集，相比真实环境有两个最大的问题：

1. 现实生活中的图片分辨率要远高于32*32，而且图像的分辨率也不会是固定的。
2. 现实生活中的物体类别很多，无论是10中还是100种都远远不够，而且一张图片中不会只出现一个种类的物体。

为了更加贴近真实环境下的图像识别问题，由斯坦福大学的李飞飞教授带头整理的ImageNet很大程度地解决了这两个问题。

ImageNet是一个基于WordNet的大型图像数据库。

目标：抽取一个32323的图片的特征，再将提取的特征喂入到全连接网络。

• 卷积可以认为是一种有效提取图像特征的方法。
• 一般会用一个正方形的卷积核，遍历图片上的每个像素点。图片内的每个像素点，乘以卷积核上相对应的点的权重，求和，在加上偏置。

1. 单通道图片求卷积

1.1 基本的图片求卷积

现在对于一个551的图片，用一个331的卷积核求卷积。

如图所示，计算机会将一张551图片转换为一个55的矩阵，矩阵中的每个值代表其像素点的灰度。现在用一个33的矩阵对其求卷积。
每次求卷积的过程为拿着卷积核在原始图片举证上求卷积。如图中所示，就是
1 ∗ ( − 1 ) + 0 ∗ 0 + 2 ∗ 1 + 5 ∗ 1 + 4 ∗ 0 + 2 ∗ 1 + 3 ∗ ( − 1 ) + 4 ∗ 0 + 5 ∗ 1 + 1 = 1 1*(-1)+0*0+2*1+5*1+4*0+2*1+3*(-1)+4*0+5*1+1=1 1∗(−1)+0∗<