第九章 卷积神经网络解读

9.1 计算机视觉

目标分类

目标识别

64x64x3=12288

1000x1000x3=3000000

使用传统神经网络处理机器视觉面临的一个挑战是：数据的输入会非常大

一般的神经网络很难处理海量图像数据。解决这一问题的方法就是卷积神经网络

9.2 卷积运算

神经网络由浅层到深层，分别可以检测出不同层次的信息，在计算机视觉中我们依托深度卷积神经网络，来依次学习理解图片的边缘特征、局部特征(例如眼睛、鼻子等)，直至最后一层综合前面检测的特征来识别整体图像内容。

9.3 边缘检测

• 垂直边缘检测
• 水平边缘检测

*：表示卷积

9.4 Padding填充

输入大小：nxn

滤波器大小：fxf

输出大小：（n-f+1）x（n-f-1）

问题：边缘的次数较少，中间的次数较多，因此忽略了边缘的信息，我们可以在卷积前，先填充一层像素。

Padding=1：填充一圈

• Valid卷积：不填充
• Same卷积：填充后，输出输出大小一样，此时p=（f-1）/2

9.5 Stride卷积步长

Stride=2

输出大小：(n+2p-f)/s +1

9.6 三维卷积

不同通道的滤波器可以不相同。

9.7 单层卷积网络

9.8 简单卷积网络示例

卷积神经网络包含有三种典型的层结构：

• Convolution
• Pooling
• Fully connected

9.9 池化层

1、Max pooling

缩减模型的大小，提高计算速度，同时减小噪声提高所提取特征的稳健性。

2、Average pooling

9.10 卷积神经网络示例

9.11 为什么使用卷积？？

• 参数共享：一个滤波器能对整个输入的某一特征进行探测
• 稀疏连接：输入与输出之间的连接是稀疏的，每个输出值只取决于输入在局部的一小部分值

由于CNN参数数量较小，所需的训练样本就相对较少，因此在一定程度上不容易发生过拟合现象。

第十章 经典CNN网络实例详解

10.1 经典卷积网络

1、LeNet5：手写字体识别模型，90年代提出来，是最早的卷积神经网络之一

当 LeNet-5 模型被提出时，其池化层使用的是平均池化，而且各层激活函数一般选用 Sigmoid 和 tanh。现在我们更多的会使用最大池化并选用 ReLU 作为激活函数。

2、AlexNet

3、VGG-16：证明了增加网络的深度能够在一定程度上影响网络最终的性能，大家广泛的将其作为典型CNN结构。

16是指网络中包含16个卷积层和全连接层，超参数较少

10.2 残差网络 ResNet

随着神经网络层数变多和变深，会带来严重的梯度消失和梯度爆炸问题，使得模型难以寻训练成功！

在网络结构层面，一种解决方法是人为地让神经网络某些层跳过下一层神经元的连接，隔层相连，弱化每层之间的强联系。这种神经网络被称为Residual Networks(ResNets)残差网络。

说明残差网络有助于解决梯度消失和梯度爆炸问题，使得在训练更深网络的同时，又能保证良好的性能。

残差网络有效的原因？

10.3 1x1卷积（滤波器的尺寸为1）

相当于乘积操作，类似全连接层的神经网络结构，从而对数据进行升降维度

10.4 Inception网络

之前的CNN典型结构，都只选择单一尺寸和类型的滤波器，而Inception网络的作用是代替人工来确定卷积层中的滤波器尺寸与类型

Inception 网络选用不同尺寸的滤波器进行 Same 卷积，并将卷积和池化得到的输出组合拼接起来，最终让网络自己去学习需要的参数和采用的滤波器组合。

Inception引入了1x1卷积来减少计算量问题。1x1 的卷积层通常被称作瓶颈层(Bottleneck layer)。借助在网络中合理设计瓶颈层，可以在保持网络性能的前提下显著缩小计算规模。

10.6 迁移学习

10.7 数据扩增

镜像翻转、随机裁剪、色彩转换