卷积神经网络

一、绪论

1.卷积神经网络的应用

无处不在的卷积神经网络

基本应用

分类 检索 检测 分割

人脸识别（face recognition）

人物表情识别

图像生成

图像风格转化

自动驾驶

2.传统神经网络vs卷积神经网络

深度学习三部曲

Step1：

Neural Network（搭建神经网络结构）

Step2：

Cost Function（找到一个合适的损失函数）

交叉熵损失（cross entropy loss）， 均方误差（MSE）

Step3：

Optimization（找到一个合适的优化函数，更新参数）

反向传播BP

随机梯度下降（SGD）

损失函数的相关概念

 

 

 

 

传统神经网络可以应用在计算机视觉上，为什么还需要卷积神经网络？

全连接网络处理图像的问题

参数过多：权重矩阵的参数太多->过拟合

（过拟合出现的现象：例如要让机器识别出狗，但是由于测试数据大量都是同一种狗的图片，这样机器就很有可能无法识别出来）

卷积神经网络的解决方法：

局部关联，参数共享

（参数共享可以降低参数量，使得模型更好训练）

相同之处：

 

 

 

 

 

二、基本组成结构

1. 卷积

一维卷积

一维卷积经常用在信号处理中，用于计算信号的延迟累积

假设一个信号发生器在时刻t发出一个信号xt，其信号的衰减率为fk，即在k-1个时间步长后，信息衰减为原来的fk倍

 

 

 

 

卷积是什么？

卷积是对两个实变函数的一种数学操作。

在图像处理中，图像是以二维矩阵的形式输入到神经网络的，因此我们需要二维卷积

 

 

 

 

涉及到的基本概念：

Input：输入

Kernel/filter：卷积核/滤波器

Weights：权重

Receptive field：感受野

Activation map：特征图

Padding

Depth/channel：深度

Output：输出

 

 

Padding通过补零实现卷积

 

 

 

 

 

 

 

卷积的可视化理解

不同的卷积核关注不同的信息

1. 池化

保留了主要特征的同时减少参数和计算量，防止过拟合，提高模型泛化能力。

它一般处于卷积层与卷积层之间，全连接层与全连接层之间

Pooling的类型：
Max pooling：最大值池化

Average pooling：平均池化

 

 

 

 

1. 全连接

 

 

 

全连接/FC layer：

两层之间所有神经元都有权重链接

通常全连接层在卷积神经网络尾部

全连接层参数量通常最大

小结：

1. 一个典型的卷积网络是由卷积层、池化层、全连接层交叉堆叠而成
2. 卷积是对两个实变函数的一种数学操作
3. 局部关联，参数共享
4. 未加padding时输出的特征图大小：（N-F）/stride + 1
5. 有padding时输出的特征图大小：（N+padding*2-F）/stride+1
6. Pooling的类型：Max pooling：最大值池化，Average pooling：平均池化
7. 全连接：通常全连接层在卷积神经网络尾部

 

三、卷积神经网络典型结构

1. AlexNet

 

 

 

 

卷积神经网络典型结构——AlexNet

 

 

 

Alex之所以成功，原因在于：

大数据训练：百万级ImageNet图像数据

非线性激活函数：ReLU

防止过拟合:Dropout, Data augmentation

其他：双GPU实现

 

 

 

优点：

解决了梯度消失的问题（在正区间）

计算速度特别快，只需要判断输入是否大于0

收敛速度远快于sigmoid

 

DropOut（随机失活）

训练时随机关闭部分神经元，测试时整合所有神经元

隐式的模型集成

 

数据增强（data augmentation）

平移、翻转、对称

随机crop。训练时候，对于256*256的图片进行随机crop到224*224

 

 

 

AlexNet分层解析

第一次卷积：卷积——ReLU——池化

 

第二次卷积：卷积——ReLU——池化

 

第三次卷积：卷积——ReLU

 

第四次卷积：卷积——ReLU

 

第五次卷积：卷积——ReLU——池化

 

第六层：全连接——ReLU——DropOut

 

第七层：全连接——ReLU——DropOut

 

第八层：全连接——SoftMax

 

 

 

1. ZFNet

网格结构与AlexNet相同

将卷积层1中的感受野大小由11 X 11 改成 7 X 7，步长由4改为

卷积层3、4、5中的滤波器由384，384，256改成512，512，1024

1. VGG

VGG是一个更深网络

8 layers（AlexNet） -> 16——19（VGG）

ILSVRC TOP 5

先训练前11层，将参数固定住再训练后面的

 

 

 

 

 

 

 

1. GoogleNet

网络总体结构：网络包含22个带参数的层（如果考虑pooling层就是27层），独立成块的层总共由约有100个

参数量大概是AlexNet的1/12

没有FC层

Native Inception

 

 

 

计算复杂度过大

 

Inception V2

 

 

 

 

 

 

Inception V3

 

 

 

降低参数量

增加非线性激活函数：增加非线性激活函数使网络产生更多独特特，表征能力更强，训练更快

 

 

 

Stem部分（Stem network）

卷积——池化——卷积——卷积——池化

多个Inception堆叠

输出：没有额外的全连接层（除了最后的类别输出层）

辅助分类器：解决由于模型深度过深导致的梯度消失的问题

1. ResNet

残差学习网络（deep residual learning network）

2015年ILSVRC竞赛关键，top5错误了从6.7%->3.57%

深度有152层

 

 

 

 

 

 

残差思想：去掉相同的主体部分，从而突出微小的变化

可以用于训练非常深的网络

 

 

 

 

 

参考文献