导 读
计算机视觉每天都在快速发展。原因之一就是深度学习。当我们谈论计算机视觉时，我们脑海中会浮现一个术语“卷积神经网络”（简称CNN），因为CNN在这里被大量使用。
CNN在计算机视觉中的例子有人脸识别、图像分类等。它与基本的神经网络类似。CNN 还具有可学习的参数，如神经网络，即权重、偏差等。
有需要的朋友关注公众号【小Z的科研日常】，获取更多内容。
01、为什么要使用CNN？
1.1 前馈神经网络的问题
假设正在使用 MNIST 数据集，知道 MNIST 中的每个图像都是 28 x 28 x 1（黑白图像仅包含 1 个通道）。输入层的神经元总数为 28 x 28 = 784，这是可以修改的。如果图像的大小是 1000 x 1000，这意味着输入层需要 10⁶ 个神经元，该怎么办？
这就需要大量的神经元才能运作。它在计算上是无效的。因此，卷积神经网络（CNN）应运而生。简单来说，CNN 的作用就是提取图像的特征并将其转换为较低维度，而不丢失其特征。
在下面的示例中，可以看到图像的初始大小为 224 x 224 x 3。如果不进行卷积，则需要 224 x 224 x 3 = 100，输入层中需要 352 个神经元，但在应用卷积后，输入张量维度减少到 1 x 1 x 1000。这意味着前馈神经网络的第一层只需要 1000 个神经元。
简单来说，CNN 的作用就是提取图像的特征并将其转换为较低的维度，而不会丢失其特征。在下面的示例中，可以看到图像的初始大小为 224 x 224 x 3。如果不进行卷积，则需要 224 x 224 x 3 = 100，输入层中需要 352 个神经元，但在应用卷积后，您输入张量维度减少到 1 x 1 x 1000。这意味着前馈神经网络的第一层只需要 1000 个神经元。
02、定义表示
2.1 图像表示
想到图像，很容易理解它具有高度和宽度，因此用二维结构（矩阵）表示其中包含的信息是有意义的，直到记住图像有颜色，并添加有关的信息颜色，我们需要另一个维度，这就是张量变得特别有用的时候。
图像被编码为颜色通道，图像数据被表示为给定点的颜色通道中的每种颜色强度，最常见的是 RGB，即红色、蓝色和绿色。图像中包含的信息是每个通道颜色在图像宽度和高度上的强度，就像下面这样。
因此，红色通道在每个点的宽度和高度的强度可以表示为一个矩阵，蓝色和绿色通道也是如此，所以我们最终得到三个矩阵，当它们组合起来时，它们形成一个张量。
2.2 边缘检测
每个图像都有垂直和水平边缘，它们实际上组合形成图像。卷积运算与某些滤波器一起使用来检测边缘。
假设有尺寸为 6 x 6 的灰度图像和尺寸为 3 x 3 的滤波器（比如说）。当 6 x 6 灰度图像与 3 x 3 滤波器卷积时，我们得到 4 x 4 图像。
首先，3 x 3 滤波器矩阵与灰度图像的第一个 3 x 3 大小相乘，然后我们将一列向右移动到 end ，之后我们移动一行，依此类推。
卷积运算可以通过以下方式可视化。这里我们的图像尺寸是 4 x 4，滤波器是 3 x 3，因此我们在卷积后得到的输出是 2 x 2。
如果我们有 N x N 图像大小和 F x F 滤波器大小，那么卷积后的结果将是
(N x N) * (F x F) = (N-F+1)x(N-F+1)2.3 步幅和填充
步幅表示卷积中每个步骤移动的步数。默认为 1。
我们可以观察到输出的大小小于输入的大小。为了保持输出的维度与输入相同，我们使用填充。填充是向输入矩阵对称添加零的过程。在下面的示例中，额外的灰色块表示填充。它用于使输出的维度与输入相同。
假设“p”是填充
最初（无填充）
(N×N)*(F×F)=(N-F+1)×(N-F+1)---(1)应用填充后
如果我们在带有填充的 (N+2p) x (N+2p) 输入矩阵中应用滤波器 F x F，那么我们将得到输出矩阵维度 (N+2p-F+1) x (N+2p-F+1) 。
我们知道，应用填充后，我们将获得与原始输入尺寸 (N x N) 相同的尺寸。因此我们有
(N+2p-F+1)x(N+2p-F+1) 相当于 NxN
N+2p-F+1 = N ---(2)
p = (F-1)/2 ---( 3）等式（3）清楚地表明 Padding 取决于滤波器的尺寸。
03、CNN中的层
CNN 有五个不同的层：
-
输入层
-
卷积层（Convo + ReLU）
-
池化层
-
全连接（FC）层
-
Softmax/逻辑层
-
输出层
3.1 输入层
CNN 的输入层应包含图像数据。正如我们之前看到的，图像数据由三维矩阵表示。需要将其重新调整为单列。假设有尺寸为 28 x 28 =784 的图像，需要在输入之前将其转换为 784 x 1。如果有“m”个训练样本，那么输入的维度将为（784，m）。
3.2 卷积层
卷积层有时被称为特征提取器层，因为图像的特征是在该层中提取的。首先，图像的一部分连接到Convo层以执行我们之前看到的卷积运算，并计算感受野（它是输入图像的局部区域，与滤波器的大小相同）和过滤器。运算结果是输出量的单个整数。
然后我们将过滤器滑动到同一输入图像的下一个感受野上，并再次执行相同的操作。我们将一次又一次地重复相同的过程，直到我们浏览完整个图像。输出将作为下一层的输入。
Convo 层还包含 ReLU 激活，使所有负值为零。
3.3 池化层
池化层用于减少卷积后输入图像的空间体积。它用在两个卷积层之间。如果我们在 Convo 层之后应用 FC，而不应用池化或最大池化，那么计算成本会很高，我们不想要它。
因此，最大池化是减少输入图像空间体积的唯一方法。在上面的示例中，我们在步幅为 2 的单个深度切片中应用了最大池化。您可以观察到 4 x 4 维度输入减少到 2 x 2 维度。
池化层没有参数，但有两个超参数——Filter(F)和Stride(S)。一般来说，如果我们输入尺寸 W1 x H1 x D1，那么
W2 = (W1−F)/S+1
H2 = (H1−F)/S+1
D2 = D1
其中W2、H2和D2是输出的宽度、高度和深度。
3.4 全连接层（FC）
全连接层涉及权重、偏差和神经元。它将一层中的神经元连接到另一层中的神经元。它用于通过训练对不同类别的图像进行分类。
3.5 Softmax/逻辑层
Softmax 或 Logistic 层是 CNN 的最后一层。它位于FC层的末端。Logistic 用于二分类，softmax 用于多分类。
3.6 输出层
输出层包含one-hot编码形式的标签。现在对CNN已经有了很好的了解。让我们在 Keras 中实现一个 CNN。
04、Keras代码实现
我们将使用 CIFAR-10 数据集构建 CNN 图像分类器。CIFAR-10数据集有10个不同的标签
-
飞机
-
汽车
-
鸟
-
猫
-
鹿
-
狗
-
青蛙
-
马
-
船
-
卡车
它有50,000个训练数据和10,000个测试图像数据。CIFAR-10 中的图像大小为 32 x 32 x 3。它附带 Keras 库。
首先，导入所有必需的模块和库。
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from __future__ import print_function
import keras
from keras.models import Sequential
from keras.utils import to_categorical
from keras.layers import Dense, Conv2D, MaxPooling2D, Dropout, Flatten然后加载数据集并将其分成训练集和测试集。
from keras.datasets import cifar10
(train_images, train_labels), (test_images, test_labels) = cifar10.load_data()我们将打印 CIFAR-10 中的训练样本形状、测试样本形状和类总数。正如我们之前看到的，有 10 个类。为了举例，我们将从训练集和测试集打印两个示例图像。
print('Training data shape : ', train_images.shape, train_labels.shape)
print('Testing data shape : ', test_images.shape, test_labels.shape)
# 从训练标签中找出唯一的数字
classes = np.unique(train_labels)
nClasses = len(classes)
print('Total number of outputs : ', nClasses)
print('Output classes : ', classes)
plt.figure(figsize=[4,2])
# 显示训练数据中的第一幅图像
plt.subplot(121)
plt.imshow(train_images[0,:,:], cmap='gray')
plt.title("Ground Truth : {}".format(train_labels[0]))
# 显示测试数据中的第一个图像
plt.subplot(122)
plt.imshow(test_images[0,:,:], cmap='gray')
plt.title("Ground Truth : {}".format(test_labels[0]))输出：
找到输入图像的形状，然后将其重塑为训练和测试集的输入格式。之后将所有数据类型更改为浮点数。
nRows,nCols,nDims = train_images.shape[1:]
train_data = train_images.reshape(train_images.shape[0], nRows, nCols, nDims)
test_data = test_images.reshape(test_images.shape[0], nRows, nCols, nDims)
input_shape = (nRows, nCols, nDims)
train_data = train_data.astype('float32')
test_data = test_data.astype('float32')通过将训练数据和测试数据除以 255 将数据标准化在 0-1 之间，然后使用to_catagorical()函数将所有标签转换为 one-hot 向量。
train_data /= 255
test_data /= 255
train_labels_one_hot = to_categorical(train_labels)
test_labels_one_hot = to_categorical(test_labels)使用 one-hot 编码显示类别标签的变化。
print('Original label 0 : ', train_labels[0])
print('After conversion to categorical ( one-hot ) : ', train_labels_one_hot[0])现在创建我们的模型。我们将添加 Convo 层，然后添加池化层。然后我们将连接 Dense(FC) 层来预测类别。
输入数据馈送到第一个 Convo 层，该 Convo 层的输出充当下一个 Convo 层的输入，依此类推。最后，数据被馈送到 FC 层，该层尝试预测正确的标签。
def createModel():
model = Sequential()
# 前两层有 32 个滤波器，窗口大小为 3x3
model.add(Conv2D(32, (3, 3), padding='same', activation='relu', input_shape=input_shape))
model.add(Conv2D(32, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Conv2D(64, (3, 3), padding='same', activation='relu'))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Conv2D(64, (3, 3), padding='same', activation='relu'))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(512, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(nClasses, activation='softmax'))
return model初始化所有参数并使用 rmsprops 优化器编译我们的模型。有很多优化器，例如 adam、SGD、GradientDescent、Adagrad、Adadelta 和 Adamax，可以随意尝试。
model1 = createModel()
batch_size = 256
epochs = 50
model1.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])model.summary()用于查看模型中每一层的所有参数和形状。您可以观察到总参数为 276、138，总可训练参数为 276、138。不可训练参数为 0。
编译模型后，我们将通过fit()方法训练模型，然后对其进行评估。
history = model1.fit(train_data, train_labels_one_hot, batch_size=batch_size, epochs=epochs, verbose=1,
validation_data=(test_data, test_labels_one_hot))
model1.evaluate(test_data, test_labels_one_hot)
训练后，我们获得了 83.86% 的准确率和 75.48% 的验证准确率。
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
