卷积神经网络---详解卷积运算、池化操作(Pooling)

图像在计算机中的本质是矩阵
卷积运算中多通道（例如64通道）与颜色无关，指的是每个特征图所提取的特征所提取的特征

卷积运算

卷积是一种运算，含有卷积运算的网络就是卷积神经网络（有可能含有池化运算）。

卷积核：就是权重参数w组成的，梯度下降法更新$w=w-\frac{\partial L}{\partial w}$。
如图：卷积运算对应位置相乘最后再相加
输出19 = 0×0 +1×1 +3×2 +4×3

滑动步幅为1，每滑动一下计算一次，先往哪里滑动都可以；
加入偏置b，每个输出对应位置都加b
b同样也是梯度下降法更新 $b=b-\frac{\partial L}{\partial b}$

步幅

步幅滑动几步都可以，自己设定

填充

通过卷积运算，输出特征图大小相比输入特征图变小，通过一层层卷积运算，会导致后续无法进行，所以要进行填充操作。
步幅和填充共同影响输出特征图的大小

填充：

经过卷积层运算的特征图大小

$OH$输出特征图$Height$
$P$填充$padding$
$S$步幅$stride$
$FH$卷积核的$Height$
$OW$同理

---

多通道数据卷积运算

输入特征图4×4×3 通道数为3，则相应卷积通道数也为3（自动匹配输入特征图通道数），人为设定卷积核大小（此处为3×3）；
每个通道的特征图经卷积运算后对应位置的值相加，得到最后的一张特征图
输出特征图的通道数由卷积核数量决定，与、输入特征图通道数、卷积核通道数无关。如在图中无论输入特征图通道数是多少，卷积后输出特征图通道都为一。

---

卷积核个数$FN$决定输出特征图通道数
加上偏置$b$

二、池化操作

池化过程在一般卷积过程后。池化（pooling） 的本质，其实就是采样。Pooling 对于输入的 Feature Map，选择某种方式对其进行降维压缩，以加快运算速度。
注意：池化层不算神经网络层，因为池化层没有参数。

2.1两种主要池化方式

最大池化（Max Pooling）

上图中橘色方框为2×2的池化窗口（感受野）

池化过程类似于卷积过程，如上图所示，表示的就是对一个 4X4 feature map邻域内的值，用一个 2X2 的filter，步长为2进行‘扫描’，选择最大值输出到下一层，这叫做 Max Pooling。

max pooling常用的 S=2,f=2 的效果：特征图高度、宽度减半，通道数不变。
即经过池化操作特征图高度和宽度会发生改变，但通道数不变

平均池化（Average Pooling）

计算区域子块所包含所有像素点的均值，将均值作为平均池化结果。如 下图(a)，这里使用大小为2×2的池化窗口，每次移动的步幅为2，对池化窗口覆盖区域内的像素取平均值，得到相应的输出特征图的像素值。

池化的作用

（1）保留主要特征的同时减少参数和计算量，防止过拟合。

（2）invariance(不变性)，这种不变性包括translation(平移)，rotation(旋转)，scale(尺度)。

Pooling 层说到底还是一个特征选择，信息过滤的过程。也就是说我们损失了一部分信息，这是一个和计算性能的一个妥协，随着运算速度的不断提高，这个妥协会越来越小。

卷积神经网络结构

例如经典卷积神经网络AlexNet、VGG、ResNet等，整体结构可归纳为上图所示
Yolo系列利用经典卷积神经网络作为骨干网络(backbone)用来提取特征。