第十课:卷积神经网络(Convolutional Neural Networks)
1.1 计算机视觉(Computer vision)
通常如果处理大图用传统的神经网络需要特别大的输入,因此需要大量内存。对于计算机视觉应用来说,要处理大图片,就需要进行卷积计算。
1.2 边缘检测示例
垂直边沿检测器:
上图是一个垂直边沿检测器,注意它的计算过程。卷积过程,$6*6$的图形经过一个过滤器(或者叫卷积核)$3*3$变成一个$4*4$图像。
为了更清晰看到,用上图距离,对于一个$3*3$的卷积过滤器,垂直边缘是一个$3*3$的区域。而对于$6*6$像素的中间部分,可以被视为一个垂直边缘。
1.3 更多边缘检测内容(More edge detection)
水平边缘检测:
将上面的矩阵旋转90度得到:
当然还有其他滤波器,其中的权重不同:
第二个是Sobel filter过滤器,第三个是Scharr filter过滤器。
对于$3*3$过滤器,可以将9个数字都作为参数,下节课讨论。
1.4 Padding
如果输入是$n*n$,卷积核是$f*f$,那么输出是$(n-f+1)*(n-f+1)$。
Same卷积:
要想使得输出与之前的输入维度相同,需要填充P个像素点,则,输出变为$(n+2p-f+1)$,令其等于$n$,得到$p=(f-1)/2$,因此当$f$是奇数时,选择相应的填充尺寸,可以得到输出相同的输出尺寸。
在计算机视觉中,通常$f$是奇数,
Padding就是在原始输入上填充,p=1在原始输入上填充一圈,以此类推。
也有Valid卷积,也就是p=0。
1.5 卷积步长
如果定义步长为2,下图表示了计算过程:
stride是步长,一次移动的步长,则输出就是如上图的维度,两边的符号表示向下取整的意思。
1.6 三维卷积(Convolutions over volumes)
三维卷积过程如下:
总结一般性规律如下:
如图所示:
其中$n_c$必须相同,后面的$n^{'}_c$表示滤波器的个数,比如图中黄色表示垂直滤波器,输出为$4*4$,深黄色表示水平滤波器,输出为$4*4$,则将两个滤波器放一起输出就是$4*4*2$,注意这里没有考虑步长,默认步长为1,要是考虑步长,则关于输出的公式改为前一节的样子。
1.7 单层卷积网络(One layer of a convolutional network)
单层卷积网络的过程如下:
下面是一些符号表示,结合上图搞清楚,对于第$l$层有如下符号表示:
$f^{[l]}$表示过滤器的尺寸,如上面就是3,$p^{[l]}$表示填充的数量,填充一圈就是1,上面课说过了。$s^{[l]}$表示步长,之前也讲过,$c^{[l]}_c$表示过滤器的数量,上上图表示了有两个过滤器,一水平一个垂直。
对于输入来说,是上一层的输出,如图表示$6*6*3$维度如上(公式太长懒得写。。。),其中H和W表示高和宽。输出表示本层的最终输出维度,如上图就是$4*4*2$,对于本层的$n^{[l]}_W$计算方式和$n^{[l]}_H$前面几节课讲过。每一个过滤器的大小、激活单元、权重、偏差的维度在图中都给出来了。
1.8 简单卷积神经网络示例(A simple convolution network example)
上图是卷积神经网络的一个示例,最终将图像处理完毕变成了$7*7*40$,展开为1960个特征,得到一个输出向量,进而使用logistic回归单元或者softmax回归单元。
规律:随着通道数的加深,高度和宽度会逐渐减少39-37-17-7,而通道数在不断增加,3-10-20-40
。
对于一个典型的神经网络通常有三层:
1.卷积层(Conv)
2.池化层(Pool)
3.全连接层(FC)
池化层和全连接层比卷积层更容易设计,后面会讲到。
1.9 池化层(Pooling layers)
除了卷积层,卷积网络也经常使用池化层来缩减模型的大小,提高计算速度,同时提高所提取特征的鲁棒性。
池化层有两个超参数,f和s(滤波器大小和步长),池化层没有参数来学习。
池化分为最大池化和平均池化,最大池化用的比较多,如下图所示:
看清计算过程,上面的$f=3,s=1$。
1.10 卷积神经网络实例(含有全连接层)
对于池化层,如果s=2,f=2,则原输入的高度和宽度都减半。
上面是一个神经网络的例子,layer1中有卷积层和池化层,然后FC3,FC4为全连接层。
1.11 为什么使用卷积
PASS