卷积神经网络(CNN)
解决:image classification(图片分类)
输入:图片(默认大小是一致的)
输出:独热码(每个独热码代表其中一种分类)
1. 卷积神经网络的第一种表达
1.1 如何把一张影响变成输入?
每张图片实际上是一个三维的tensor,三个维度:长、宽、层数(例如:RGB三个channels),将其拉直成一个向量,即可实现影像输入(如下图所示)
在拉直得到的向量中,每个元素的数值即代表了某一个位置某一种颜色的强度。
1.2 简化
如果安装原来的Fully Connected Network对输入的向量进行处理,太过复杂,会增大overfitting的风险,那么该如此简化呢?
1.2.1 每个Neuron只负责图片的一小部分
每个Neuron的图片的部分称为一个receptive field,不同Neuron的receptive field可以重叠,多个Neuron可以负责一个receptive field(因为一些图片的特征可能不只有一个)。
最经典的receptive field安排方式
每个Neuron负责所有channels ,长和宽一般3x3,一个receptive field移动stride(自定义)即可得到另一个receptive field(stride自定义),移动时超出范围,可补0。
1.2.2 共享参数
一个特征可能同时出现一个图片的不同位置;因为我们可以让负责这一特征的Neuron共享参数
每个receive field都有一组neuron在负责,不同receive field的对应neuron共享参数,我们将每一个neuron的参数称为一个fitler(卷积核)
在经过2.1和2.2后的网络层就是卷积层,使用卷积层的神经网络即为卷积神经网络。
2. 卷积神经网络的另一种表达
feature map
[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-JkoTnHiJ-1683293206289)(笔记\image\卷积层.PNG)]
用n个filter对图片的特征进行抓取,每个filter负责一个特征。在一个filter的抓取全部完成后可以得到一个一层的tensor(如下图)。
而n个filter全部进行一遍后既可得到一个n层的tensor,即为一个feature map。而feature map又可以看出一个拥有n个channels的图片,作为下一层的输入,而下一层的filter也要是一个n个channels的tensor(如下图)。
如果使用3*3的filter是否可以抓取原图像中更大部分才能体现的特征?答案是可以的,因为使用了多层卷积之后得到的feature map中可以一个元素就能体现出原来很大部分的特征。
3. pooling
将一个比较大图片做一个subsampling(如把偶数的行、奇数列去除),图片变为原来的1/4,但不会影响图片特征的提取
如何做pooling?
将每个filter经过提取后得到的tensor中元素分成几个小组,从组中选出有代表性的元素留下来,其他元素去除(如下图)
max pooling:选择最大的元素作为代表。
pooling会对精确度造成损失,因此也可以不用。
4. CNN图片识别流程
此也可以不用。
4. CNN图片识别流程
[外链图片转存中…(img-7REbdG9r-1683293206290)]
经过卷积和池化(pooling,可以不用)后的输出经过flatten可以得到一个向量,再经过全连接层和softmax即可得到最后的输出