卷积神经网络CNN总结
從神經(jīng)網(wǎng)絡到卷積神經(jīng)網(wǎng)絡（CNN）
我們知道神經(jīng)網(wǎng)絡的結(jié)構是這樣的：
那卷積神經(jīng)網(wǎng)絡跟它是什么關系呢？
其實卷積神經(jīng)網(wǎng)絡依舊是層級網(wǎng)絡，只是層的功能和形式做了變化，可以說是傳統(tǒng)神經(jīng)網(wǎng)絡的一個改進。比如下圖中就多了許多傳統(tǒng)神經(jīng)網(wǎng)絡沒有的層次。
?
卷積神經(jīng)網(wǎng)絡的層級結(jié)構
? ? ? ? 數(shù)據(jù)輸入層/ Input layer
? 卷積計算層/ CONV layer
? ReLU激勵層 / ReLU layer
? 池化層 / Pooling layer
? 全連接層 / FC layer
?
1.數(shù)據(jù)輸入層
該層要做的處理主要是對原始圖像數(shù)據(jù)進行預處理，其中包括：
? 去均值：把輸入數(shù)據(jù)各個維度都中心化為0，如下圖所示，其目的就是把樣本的中心拉回到坐標系原點上。
? 歸一化：幅度歸一化到同樣的范圍，如下所示，即減少各維度數(shù)據(jù)取值范圍的差異而帶來的干擾，比如，我們有兩個維度的特征A和B，A范圍是0到10，而B范圍是0到10000，如果直接使用這兩個特征是有問題的，好的做法就是歸一化，即A和B的數(shù)據(jù)都變?yōu)?到1的范圍。
? PCA/白化：用PCA降維；白化是對數(shù)據(jù)各個特征軸上的幅度歸一化
?
去均值與歸一化效果圖：
?
去相關與白化效果圖：
?
?
2.卷積計算層
這一層就是卷積神經(jīng)網(wǎng)絡最重要的一個層次，也是“卷積神經(jīng)網(wǎng)絡”的名字來源。
在這個卷積層，有兩個關鍵操作：
? 局部關聯(lián)。每個神經(jīng)元看做一個濾波器(filter)
? 窗口(receptive field)滑動， filter對局部數(shù)據(jù)計算
?
先介紹卷積層遇到的幾個名詞：
? 深度/depth（解釋見下圖）
? 步長/stride （窗口一次滑動的長度）
? 填充值/zero-padding
?
填充值是什么呢？以下圖為例子，比如有這么一個5*5的圖片（一個格子一個像素），我們滑動窗口取2*2，步長取2，那么我們發(fā)現(xiàn)還剩下1個像素沒法滑完，那怎么辦呢？
那我們在原先的矩陣加了一層填充值，使得變成6*6的矩陣，那么窗口就可以剛好把所有像素遍歷完。這就是填充值的作用。
?
卷積的計算（注意，下面藍色矩陣周圍有一圈灰色的框，那些就是上面所說到的填充值）
這里的藍色矩陣就是輸入的圖像，粉色矩陣就是卷積層的神經(jīng)元，這里表示了有兩個神經(jīng)元（w0,w1）。綠色矩陣就是經(jīng)過卷積運算后的輸出矩陣，這里的步長設置為2。
?
藍色的矩陣(輸入圖像)對粉色的矩陣（filter）進行矩陣內(nèi)積計算并將三個內(nèi)積運算的結(jié)果與偏置值b相加（比如上面圖的計算：2+（-2+1-2）+（1-2-2） + 1= 2 - 3 - 3 + 1 = -3），計算后的值就是綠框矩陣的一個元素。
?
下面的動態(tài)圖形象地展示了卷積層的計算過程：
?
參數(shù)共享機制
? 在卷積層中每個神經(jīng)元連接數(shù)據(jù)窗的權重是固定的，每個神經(jīng)元只關注一個特性。神經(jīng)元就是圖像處理中的濾波器，比如邊緣檢測專用的Sobel濾波器，即卷積層的每個濾波器都會有自己所關注一個圖像特征，比如垂直邊緣，水平邊緣，顏色，紋理等等，這些所有神經(jīng)元加起來就好比就是整張圖像的特征提取器集合。
? 需要估算的權重個數(shù)減少: AlexNet 1億 => 3.5w
? 一組固定的權重和不同窗口內(nèi)數(shù)據(jù)做內(nèi)積: 卷積
?
3.激勵層
把卷積層輸出結(jié)果做非線性映射。
CNN采用的激勵函數(shù)一般為ReLU(The Rectified Linear Unit/修正線性單元)，它的特點是收斂快，求梯度簡單，但較脆弱，圖像如下。
?
激勵層的實踐經(jīng)驗：
①不要用sigmoid！不要用sigmoid！不要用sigmoid！
② 首先試RELU，因為快，但要小心點
③ 如果2失效，請用Leaky ReLU或者Maxout
④ 某些情況下tanh倒是有不錯的結(jié)果，但是很少
4.池化層
池化層夾在連續(xù)的卷積層中間， 用于壓縮數(shù)據(jù)和參數(shù)的量，減小過擬合。
簡而言之，如果輸入是圖像的話，那么池化層的最主要作用就是壓縮圖像。
?
這里再展開敘述池化層的具體作用。
1. 特征不變性，也就是我們在圖像處理中經(jīng)常提到的特征的尺度不變性，池化操作就是圖像的resize，平時一張狗的圖像被縮小了一倍我們還能認出這是一張狗的照片，這說明這張圖像中仍保留著狗最重要的特征，我們一看就能判斷圖像中畫的是一只狗，圖像壓縮時去掉的信息只是一些無關緊要的信息，而留下的信息則是具有尺度不變性的特征，是最能表達圖像的特征。
2. 特征降維，我們知道一幅圖像含有的信息是很大的，特征也很多，但是有些信息對于我們做圖像任務時沒有太多用途或者有重復，我們可以把這類冗余信息去除，把最重要的特征抽取出來，這也是池化操作的一大作用。
3. 在一定程度上防止過擬合，更方便優(yōu)化。
池化層用的方法有Max pooling 和 average pooling，而實際用的較多的是Max pooling。
這里就說一下Max pooling，其實思想非常簡單。
對于每個2*2的窗口選出最大的數(shù)作為輸出矩陣的相應元素的值，比如輸入矩陣第一個2*2窗口中最大的數(shù)是6，那么輸出矩陣的第一個元素就是6，如此類推。
5.全連接層
兩層之間所有神經(jīng)元都有權重連接，通常全連接層在卷積神經(jīng)網(wǎng)絡尾部。也就是跟傳統(tǒng)的神經(jīng)網(wǎng)絡神經(jīng)元的連接方式是一樣的：
一般CNN結(jié)構依次為
1. INPUT
2. [[CONV -> RELU]*N -> POOL?]*M?
3. [FC -> RELU]*K
4. FC
卷積神經(jīng)網(wǎng)絡之訓練算法
1. 同一般機器學習算法，先定義Loss function，衡量和實際結(jié)果之間差距。
2. 找到最小化損失函數(shù)的W和b， CNN中用的算法是SGD（隨機梯度下降）。
卷積神經(jīng)網(wǎng)絡之優(yōu)缺點
優(yōu)點
? 共享卷積核，對高維數(shù)據(jù)處理無壓力
? 無需手動選取特征，訓練好權重，即得特征分類效果好
缺點
? 需要調(diào)參，需要大樣本量，訓練最好要GPU
? 物理含義不明確（也就說，我們并不知道沒個卷積層到底提取到的是什么特征，而且神經(jīng)網(wǎng)絡本身就是一種難以解釋的“黑箱模型”）
卷積神經(jīng)網(wǎng)絡之典型CNN
? LeNet，這是最早用于數(shù)字識別的CNN
? AlexNet， 2012 ILSVRC比賽遠超第2名的CNN，比
? LeNet更深，用多層小卷積層疊加替換單大卷積層。
? ZF Net， 2013 ILSVRC比賽冠軍
? GoogLeNet， 2014 ILSVRC比賽冠軍
? VGGNet， 2014 ILSVRC比賽中的模型，圖像識別略差于GoogLeNet，但是在很多圖像轉(zhuǎn)化學習問題(比如object detection)上效果奇好
卷積神經(jīng)網(wǎng)絡之 fine-tuning
何謂fine-tuning？
fine-tuning就是使用已用于其他目標、預訓練好模型的權重或者部分權重，作為初始值開始訓練。
那為什么我們不用隨機選取選幾個數(shù)作為權重初始值？原因很簡單，第一，自己從頭訓練卷積神經(jīng)網(wǎng)絡容易出現(xiàn)問題；第二，fine-tuning能很快收斂到一個較理想的狀態(tài)，省時又省心。
那fine-tuning的具體做法是？
? 復用相同層的權重，新定義層取隨機權重初始值
? 調(diào)大新定義層的的學習率，調(diào)小復用層學習率
卷積神經(jīng)網(wǎng)絡的常用框架
Caffe
? 源于Berkeley的主流CV工具包，支持C++,python,matlab
? Model Zoo中有大量預訓練好的模型供使用
Torch
? Facebook用的卷積神經(jīng)網(wǎng)絡工具包
? 通過時域卷積的本地接口，使用非常直觀
? 定義新網(wǎng)絡層簡單
TensorFlow
? Google的深度學習框架
? TensorBoard可視化很方便
? 數(shù)據(jù)和模型并行化好，速度快
?
總結(jié)
卷積網(wǎng)絡在本質(zhì)上是一種輸入到輸出的映射，它能夠?qū)W習大量的輸入與輸出之間的映射關系，而不需要任何輸入和輸出之間的精確的數(shù)學表達式，只要用已知的模式對卷積網(wǎng)絡加以訓練，網(wǎng)絡就具有輸入輸出對之間的映射能力。
CNN一個非常重要的特點就是頭重腳輕（越往輸入權值越小，越往輸出權值越多），呈現(xiàn)出一個倒三角的形態(tài)，這就很好地避免了BP神經(jīng)網(wǎng)絡中反向傳播的時候梯度損失得太快。
卷積神經(jīng)網(wǎng)絡CNN主要用來識別位移、縮放及其他形式扭曲不變性的二維圖形。由于CNN的特征檢測層通過訓練數(shù)據(jù)進行學習，所以在使用CNN時，避免了顯式的特征抽取，而隱式地從訓練數(shù)據(jù)中進行學習；再者由于同一特征映射面上的神經(jīng)元權值相同，所以網(wǎng)絡可以并行學習，這也是卷積網(wǎng)絡相對于神經(jīng)元彼此相連網(wǎng)絡的一大優(yōu)勢。卷積神經(jīng)網(wǎng)絡以其局部權值共享的特殊結(jié)構在語音識別和圖像處理方面有著獨特的優(yōu)越性，其布局更接近于實際的生物神經(jīng)網(wǎng)絡，權值共享降低了網(wǎng)絡的復雜性，特別是多維輸入向量的圖像可以直接輸入網(wǎng)絡這一特點避免了特征提取和分類過程中數(shù)據(jù)重建的復雜度。
?
以下是我自己在學習CNN的時候遇到的一些困惑，以及查閱一些資料后得到的一些答案。
第一個問題：為什么不用BP神經(jīng)網(wǎng)絡去做呢？
1.全連接，權值太多，需要很多樣本去訓練，計算困難
? 應對之道：減少權值的嘗試，局部連接，權值共享
卷積神經(jīng)網(wǎng)絡有兩種神器可以降低參數(shù)數(shù)目。
第一種神器叫做局部感知野，一般認為人對外界的認知是從局部到全局的，而圖像的空間聯(lián)系也是局部的像素聯(lián)系較為緊密，而距離較遠的像素相關性則較弱。因而，每個神經(jīng)元其實沒有必要對全局圖像進行感知，只需要對局部進行感知，然后在更高層將局部的信息綜合起來就得到了全局的信息。
第二級神器，即權值共享。
?
2.邊緣過渡不平滑
? 應對之道：采樣窗口彼此重疊
?
第二個問題：LeNet里的隱層的神經(jīng)元個數(shù)怎么確定呢？
它和原圖像，也就是輸入的大小（神經(jīng)元個數(shù)）、濾波器的大小和濾波器在圖像中的滑動步長都有關！
LeNet-5共有7層，不包含輸入，每層都包含可訓練參數(shù)（連接權重）。輸入圖像為32*32大小。
例如，我的圖像是1000x1000像素，而濾波器大小是10x10，假設濾波器沒有重疊，也就是步長為10，這樣隱層的神經(jīng)元個數(shù)就是(1000x1000 )/ (10x10)=100x100個神經(jīng)元了。
那重疊了怎么算？比如上面圖的C2中28*28是如何得來的？這里的步長就是1，窗口大小是5*5，所以窗口滑動肯定發(fā)生了重疊。下圖解釋了28的由來。
?
?
第三個問題：S2層是一個下采樣層是干嘛用的？為什么是下采樣？
也就是上面所說的池化層，只是叫法不同而已。這層利用圖像局部相關性的原理，對圖像進行子抽樣，可以減少數(shù)據(jù)處理量同時保留有用信息，相當于圖像壓縮。
?
from:?https://www.cnblogs.com/skyfsm/p/6790245.html
總結(jié)
以上是生活随笔為你收集整理的卷积神经网络CNN总结的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 神经网络入门（最通俗的理解神经网络）
- 下一篇： 打造高效的工作环境 – SHELL 篇