7.1-卷积神经网络

最新推荐文章于 2024-05-23 00:47:25 发布

绿洲213

最新推荐文章于 2024-05-23 00:47:25 发布

阅读量916

点赞数

分类专栏： CH4-李宏毅机器学习文章标签： cnn 深度学习神经网络

本文链接：https://blog.csdn.net/weixin_46227276/article/details/126423707

版权

27 篇文章 10 订阅

订阅专栏

一、卷积神经网络（Convolutional Neural Network）

相同的图案（patterns）出现在不同的区域（regions）
- 虽然下图中两只鸟嘴在图片的不同区域，但该网络是用来检测鸟嘴的，因此不需要额外再增加一个网络，他们可以共用相同的参数集

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2nIEac7w-1660888940226)(C:/Users/肖雄/AppData/Roaming/Typora/typora-user-images/image-20220818185919532.png)]

首先我们会设定很多组过滤器（Filter），每个过滤器就是一个矩阵（Matrix）
- 性质一：每个过滤器检测一个小图案(3×3)
- 性质二：每个过滤器都会与像素矩阵相乘，最后得到一个新的特征图（Feature Map）
- 上面是单色图的卷积操作，同样对于彩色图的卷积操作也是如此
卷积（Convolution）和全连接（Convolution）的关系
- 实际上，卷积的本质就是全连接拿掉了网络中的一些权重后得到的结果，同时共享了网络中的一部分权重
- 这样做的好处是极大减少了网络所需的参数，降低了运算量

将卷积后的结果分成4块，每块都只取一个最大值，这就是最大值池化的操作
- 原来6X6的图片在经过一次由2个3X3的过滤器的卷积和最大值池化的操作后得到2X2的图片，比原始图像要小
- 每个过滤器就是一个通道（channel）

如图将2X2的图像拉直成一维向量，然后输入到全连接前馈网络（Fully Connected Feedforward network）中，这就是平整化 (flatten)的过程

卷积操作
- 只修改了网络结构和输入格式，高维的向量也被称为张量（tensor）
- 如下图，第一层卷积层的过滤器只有3X3=9个参数，第二层卷积层的过滤器只有3X3X25=225个参数
池化操作
- model2. add (MaxPooling2D( (2，2））
平整化操作
- model2. add (Flatten()）

卷积操作中的过滤器（filter）作用
- 如图第k个过滤器的输出是一个11×11的矩阵。第k个过滤器的激活程度（Degree of the activation）是 a^k
- 此时我们为了搞清楚每个过滤器的作用，就对输入x做梯度上升（gradient ascent），找出让过滤器激活程度 a^k 最高的 x
- 图二就是找到的一组x，很明显，每个过滤器的作用就是找出有一定规则的条纹状图
全连接网络中的神经元（neuron）作用
- 每个图形对应一个神经元
- 如图寻找图像 x^*，使得神经元输出的 a^j 最大化，从得到的图像可以看出神经元的作用是找出有一定规则的图案
考虑输出 yⁱ
- 如图寻找图像 x^*，使得全连接层输出的 yⁱ 最大化，从得到的图像我们人类是无法区分图片所代表的具体数字的，但是机器却可以
- 为了让将机器挑选的图片看起来更像数字，我们应该对 y 做一些正则化（regularization），对 x 做一些约束（constraint）。如图将 $x_{ij}$ 取绝对值并求和，这就是 L1正则化， $x_{ij}$ 代表图中每一个像素（pixel）
- 做约束的这一过程，其实就是Deep Dream

Deep Dream就是给机器一张图片，机器会在这个图片里加上它看到的东西。
如图，实际操作就是向CNN网络输入一张图片，然后取出某层网络里的过滤器，或者是全连接层里面的某一个隐层拿出来，得到的就是一个向量，我们将这个向量里的正值调大，负值调小，也就是让正值更正，负值更负。然后找一张修改后的图片输入到网络中，让它的输出更接近我们刚刚修改后的向量，这么做其实就是让CNN夸大化它看到的东西。也就是让它现在看到的东西更像它原来看到的东西，实际上就是让原本被激活的过滤器，激活程度变得更高，更敏感。

给机器一张照片，让它去修改这张图，使其有另一种图片的风格，这就是Deep Style，也是Deep Dream的进阶版本
原理就是将原始图片输入到CNN中，然后得到过滤器的输出，输出代表这一张图像里面有什么样的内容；同样我们对另一张图片做同样的操作，但我们此时并不考虑过滤器的输出，而是考虑过滤器与过滤器之间输出的相关性（correlation），而这个相关性代表了一张图的风格。接下来我们用同一个CNN，来找一张图片，使这张图片的内容（过滤器的输出）要像原始图片，同时这张图片的风格（过滤器与过滤器之间输出的相关性）要像另一张图片

实际上传统的DNN是可以实现Alpha Go的，但我们为什么要用CNN呢？
- 首先用CNN会有更好的表现，其次它符合CNN的3个条件中的2个
  - 有些图案（pattern）比整个图像小得多
  - 相同的图案（pattern）出现在不同的地区
- 由于棋盘不满足CNN的第三个性质：对像素进行下采样（Subsampling）不会改变对象，因此Alpha Go的CNN架构是没有最大值池化（Max Pooling）这个操作的

下图是一段声音的谱图（spectrogram），其横轴代表时间，纵轴代表这一段时间的频率（frequency）。
图中红色部分代表在那一段时间里，那一个频率的能量比较大。实际上这是**”你好“**这段语音的谱图
因此我们可以将语音谱图输入到CNN，由于在语音上，我们只考虑在频率方向（上下方向）移动的过滤器，也就是说我们的过滤器是长方形的，宽度和图片的宽度一样，移动过滤器时只做上下移动。
- 这么做的原因是当不同人的发声内容相同时，实际上他们的图案（pattern）还是一样的，只是图片上的位置不同。
- 这告诉我们用CNN设计网络时，一定要考虑具体的应用场景。