🌈个人主页: 鑫宝Code
🔥热门专栏: 闲话杂谈｜ 炫酷HTML | JavaScript基础
💫个人格言: "如无必要，勿增实体"
文章目录
- CNN的基本架构模块
- 1. 引言
- 2. 卷积层
- 2.1 基本原理
- 2.2 卷积层的特性
- 2.3 卷积层的超参数
- 2.4 输出大小计算
- 3. 池化层
- 3.1 目的和作用
- 3.2 常见的池化方法
- 3.3 池化层的超参数
- 4. 激活函数
- 4.1 作用
- 4.2 常用的激活函数
- 4.3 激活函数的选择
- 5. 全连接层
- 5.1 作用
- 5.2 数学表示
- 5.3 特点
- 6. Dropout层
- 6.1 原理
- 6.2 数学表示
- 7. 批归一化层（Batch Normalization）
- 7.1 目的
- 7.2 数学表示
- 8. 残差连接（Residual Connection）
- 8.1 动机
- 8.2 数学表示
- 9. 注意力机制（Attention Mechanism）
- 9.1 原理
- 9.2 自注意力（Self-Attention）
- 10. 高级CNN架构
- 10.1 Inception模块
- 10.2 DenseNet
- 10.3 SENet（Squeeze-and-Excitation Network）
- 11. 结论
CNN的基本架构模块
1. 引言
卷积神经网络（Convolutional Neural Network，CNN）是深度学习中一种强大的神经网络架构，特别适用于处理具有网格状拓扑结构的数据，如图像和时间序列。CNN的成功源于其独特的架构设计，包含了多个精心设计的基本模块。本文将详细介绍CNN的基本架构模块，包括卷积层、池化层、激活函数、全连接层等，以及一些高级组件和优化技术。
2. 卷积层
2.1 基本原理
卷积层是CNN的核心组件，负责提取输入数据的局部特征。卷积操作可以表示为：
( f ∗ g ) ( t ) = ∫ − ∞ ∞ f ( τ ) g ( t − τ ) d τ (f * g)(t) = \int_{-\infty}^{\infty} f(\tau)g(t-\tau)d\tau (f∗g)(t)=∫−∞∞f(τ)g(t−τ)dτ
在离散情况下，二维卷积可以表示为：
( I ∗ K ) ( i , j ) = ∑ m ∑ n I ( m , n ) K ( i − m , j − n ) (I * K)(i,j) = \sum_{m}\sum_{n} I(m,n)K(i-m,j-n) (I∗K)(i,j)=m∑n∑I(m,n)K(i−m,j−n)
其中， I I I是输入， K K K是卷积核（或称为滤波器）。
2.2 卷积层的特性
- 局部连接：每个神经元只与输入数据的一个局部区域相连。
- 权值共享：同一个特征图内的神经元共享相同的权重。
- 平移不变性：卷积操作对输入的平移具有不变性。
2.3 卷积层的超参数
- 卷积核大小：常见的有3x3，5x5等。
- 步长（Stride）：控制卷积核移动的步长。
- 填充（Padding）：在输入周围添加额外的像素。
2.4 输出大小计算
对于输入大小为 W × H W \times H W×H，卷积核大小为 F × F F \times F F×F，步长为 S S S，填充为 P P P 的卷积层，输出大小为：
O W = W − F + 2 P S + 1 , O H = H − F + 2 P S + 1 O_W = \frac{W - F + 2P}{S} + 1, \quad O_H = \frac{H - F + 2P}{S} + 1 OW=SW−F+2P+1,OH=SH−F+2P+1
3. 池化层
3.1 目的和作用
池化层用于降低特征图的空间分辨率，减少参数数量和计算量，同时提高模型对小的位移和失真的鲁棒性。
3.2 常见的池化方法
-
最大池化（Max Pooling）：
y i j = max ( a , b ) ∈ R i j x a b y_{ij} = \max_{(a,b)\in R_{ij}} x_{ab} yij=(a,b)∈Rijmaxxab -
平均池化（Average Pooling）：
y i j = 1 ∣ R i j ∣ ∑ ( a , b ) ∈ R i j x a b y_{ij} = \frac{1}{|R_{ij}|} \sum_{(a,b)\in R_{ij}} x_{ab} yij=∣Rij∣1(a,b)∈Rij∑xab
其中， R i j R_{ij} Rij表示池化窗口， ∣ R i j ∣ |R_{ij}| ∣Rij∣是窗口中元素的数量。
3.3 池化层的超参数
- 池化窗口大小：常见的有2x2，3x3等。
- 步长：通常与窗口大小相同，以避免重叠。
4. 激活函数
4.1 作用
激活函数引入非线性，增强网络的表达能力。
4.2 常用的激活函数
-
ReLU (Rectified Linear Unit)：
f ( x ) = max ( 0 , x ) f(x) = \max(0, x) f(x)=max(0,x) -
Sigmoid：
f ( x ) = 1 1 + e − x f(x) = \frac{1}{1 + e^{-x}} f(x)=1+e−x1 -
Tanh：
f ( x ) = e x − e − x e x + e − x f(x) = \frac{e^x - e^{-x}}{e^x + e^{-x}} f(x)=ex+e−xex−e−x -
Leaky ReLU：
f ( x ) = { x , if x > 0 α x , otherwise f(x) = \begin{cases} x, & \text{if } x > 0 \\ \alpha x, & \text{otherwise} \end{cases} f(x)={x,αx,if x>0otherwise
其中 α \alpha α 是一个小的正常数。
4.3 激活函数的选择
- ReLU 是目前最常用的激活函数，因为它计算简单，能缓解梯度消失问题。
- Sigmoid 和 Tanh 在某些特定任务中仍有应用，如二分类问题。
- Leaky ReLU 等变体旨在解决 ReLU 的"死亡 ReLU"问题。
5. 全连接层
5.1 作用
全连接层通常位于CNN的末端，用于将学到的特征映射到样本标记空间。
5.2 数学表示
全连接层的操作可以表示为：
y = f ( W x + b ) y = f(Wx + b) y=f(Wx+b)
其中， W W W 是权重矩阵， b b b 是偏置向量， f f f 是激活函数。
5.3 特点
- 参数数量大，易导致过拟合。
- 可以学习特征的全局组合。
6. Dropout层
6.1 原理
Dropout是一种正则化技术，在训练过程中随机"丢弃"一部分神经元，防止过拟合。
6.2 数学表示
对于dropout率为 p p p 的层，其输出可表示为：
y = f ( r ∗ ( W x + b ) ) / ( 1 − p ) y = f(r * (Wx + b)) / (1-p) y=f(r∗(Wx+b))/(1−p)
其中， r r r 是一个由0和1组成的随机二元掩码，1的概率为 1 − p 1-p 1−p。
7. 批归一化层（Batch Normalization）
7.1 目的
批归一化通过标准化每一层的输入来加速训练过程，提高模型的稳定性。
7.2 数学表示
对于输入 x x x，批归一化的操作为：
y = γ x − μ B σ B 2 + ϵ + β y = \gamma \frac{x - \mu_B}{\sqrt{\sigma_B^2 + \epsilon}} + \beta y=γσB2+ϵx−μB+β
其中， μ B \mu_B μB 和 σ B 2 \sigma_B^2 σB2 分别是批次的均值和方差， γ \gamma γ 和 β \beta β 是可学习的参数， ϵ \epsilon ϵ 是一个小常数。
8. 残差连接（Residual Connection）
8.1 动机
残差连接解决了深层网络的梯度消失问题，使得训练更深的网络成为可能。
8.2 数学表示
对于输入 x x x，残差块的输出为：
y = F ( x ) + x y = F(x) + x y=F(x)+x
其中， F ( x ) F(x) F(x) 是残差函数，通常由几个卷积层组成。
9. 注意力机制（Attention Mechanism）
9.1 原理
注意力机制允许模型在处理输入时关注最相关的部分，提高模型的性能。
9.2 自注意力（Self-Attention）
自注意力机制的计算过程可以表示为：
Attention ( Q , K , V ) = softmax ( Q K T d k ) V \text{Attention}(Q, K, V) = \text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)V Attention(Q,K,V)=softmax(dkQKT)V
其中， Q Q Q、 K K K、 V V V 分别是查询、键和值矩阵， d k d_k dk 是键的维度。
10. 高级CNN架构
10.1 Inception模块
Inception模块并行使用不同大小的卷积核，以捕获不同尺度的特征。
10.2 DenseNet
DenseNet通过密集连接提高了特征的重用，减少了参数数量。
10.3 SENet（Squeeze-and-Excitation Network）
SENet引入了通道注意力机制，自适应地调整特征通道的重要性。
11. 结论
CNN的基本架构模块是深度学习在计算机视觉领域取得巨大成功的关键。从最基本的卷积层和池化层，到高级的残差连接和注意力机制，每个组件都在不断演进，以提高模型的性能和效率。理解这些基本模块及其工作原理，对于设计和优化CNN模型至关重要。
随着研究的深入，我们可以期待看到更多创新的架构组件出现，进一步推动CNN在各个领域的应用和发展。同时，如何有效地组合这些模块以构建高效、鲁棒的网络架构，仍然是一个值得深入研究的方向。未来，自动化神经架构搜索（NAS）等技术可能会在这方面发挥重要作用，帮助我们发现更优的网络结构。
