作者|Renu Khandelwal
編譯|VK
來源|Medium
讓我們先來了解一下我們的大腦是如何識別物體的，我們將學習什么是CNN, CNN如何利用大腦的啟發進行物體識別，CNN是如何作業的，
讓我們來了解一下我們的大腦是如何識別影像的
根據諾貝爾獎獲得者Hubel和Wiesel教授的說法，視覺區域V1由簡單細胞和復雜細胞組成，簡單的單元有助于特征檢測，而復雜的單元則結合了來自小空間鄰域的多個這樣的區域特征，空間池有助于實作平移不變特征，
當我們看到一個新的影像時，我們可以從左到右和從上到下掃描影像，以了解影像的不同特征，我們的下一步是結合我們掃描的不同的區域特征來對影像進行分類，CNN就是這樣作業的
平移不變特征是什么意思？
影像的不變性意味著，即使影像旋轉、大小不同或在不同照明下觀看，物件也將被識別為同一物件，
這有助于物件識別，因為影像表示對影像變換（如平移、旋轉或小變形等）保持不變，
我們使用卷積神經網路進行影像識別和分類，
讓我們了解什么是CNN，以及我們如何使用它，
CNN是什么?
CNN是Convolutional Neural Network卷積神經網路的縮寫，卷積神經網路是一種專門用來處理資料的神經網路，它的輸入形狀類似于二維的矩陣影像，
CNN通常用于影像檢測和分類，影像是二維的像素矩陣，我們在其上運行CNN來識別影像或對影像進行分類，識別一個影像是一個人，還是一輛車，或者只是一個地址上的數字，
和神經網路一樣，CNN也從大腦中獲取啟發，我們使用Hubel和Wiesel提出的物件識別模型，
卷積是什么?
卷積是一種數學運算，其中我們有一個輸入I和一個引數核K來產生一個輸出，
讓我們用影像來解釋，
我們有一個影像“x”，它是一個具有不同顏色通道（紅色、綠色和藍色RGB）的二維像素矩陣，我們有一個特征檢測器或核“w”，然后應用數學運算后得到的輸出稱為特征圖
這個數學運算有助于計算兩個信號的相似度，
我們可能有一個特征檢測器或濾波器來識別影像中的邊緣，所以卷積運算將有助于我們識別影像中的邊緣，
我們通常假設卷積函式在除存盤值的有限點集外的任何地方都為零，
I是二維陣列，K是核卷積函式
因為卷積是可交換的，我們可以把上面的方程重新寫一下，如下圖所示，我們這樣做是為了便于在機器學習中實作，因為m和n的有效值范圍變化較小，這是大多數神經網路使用的互相關函式，
以上是互相關函式
那么，我們如何在CNN中實作它呢?
我們實作它的方式是通過卷積層
卷積層是CNN的核心構件，它有助于特征檢測，
核K是一組可學習的過濾器，與影像相比，它在空間上很小，但是可以擴展到整個輸入影像的深度，
理解這一點的一個簡單方法是，如果你是一名偵探，你在黑暗中看到一幅很大的影像或一幅畫，你將如何識別影像?
你將使用你的手電筒和掃描整個影像，這正是我們在卷積層中所做的，
核K是一個特征檢測器，它相當于影像I上的手電筒，我們正在嘗試檢測特征并創建多個特征圖來幫助我們識別或分類影像，
我們有多個特征探測器，以幫助像邊緣檢測，識別不同的形狀，彎曲或不同的顏色等事情，
這一切是如何運作的?
讓我們取一幅3通道5×5矩陣的影像(RGB)， 3通道3×3的特征檢測器(RGB)，然后以步長為1來掃描影像上的特征檢測器，
當我在影像上應用特征檢測時，輸出矩陣或特征圖的維數是多少?
特征圖的維數與輸入影像的大小(W)、特征檢測器的大小(F)、步長(S)和影像的填充大小(P)有關
\((W?F+2p)/S + 1\)
在我們的例子中，W是輸入影像的大小，為5，
F是特征檢測器接受域大小，在我們的例子中，為3
步長(S)為1，影像上使用的填充大小(P)為0，
因此，我們的特征圖維度為(5-3+0)/1+1=3，
因此特征圖將是一個3*3的矩陣，有3個通道(RGB)，
下面一步一步進行解釋
我們看到5×5的輸入影像被簡化為3×3的特征圖，通道為3(RGB)
我們使用多個特征檢測器來尋找邊緣，我們可以使用特征檢測器來銳化影像或模糊影像，
如果我們不想減少特征圖的維數，那么我們可以使用如下所示的填充0
在這種情況下應用相同的公式，我們得到
\((W?F + 2 p) / S + 1 => (5 - 3 +2)/1 + 1= 5\)，
現在輸出的尺寸將是5×5，帶有3個顏色通道(RGB)，
讓我們看看這一切是如何運作的
如果我們有一個3×3的特征檢測器或濾波器，一個偏置單元，那么我們首先應用如下所示的線性變換
輸出=輸入*權重+偏差
引數個數 = (3 * 3 * 3)+1 = 28
對于100個特征檢測器或過濾器，引數的數量將是2800，
在每一個線性函式的卷積運算之后，我們應用ReLU激活函式，ReLU激活函式在卷積層中引入了非線性，
它將特征圖中的所有負像素值替換為零，
下圖是應用ReLU激活函式后的特征圖變換，
現在我們已經完成了區域區域的特征檢測，我們將結合所有這些來自空間鄰域的特征檢測來構建影像，
記住你是一個在黑暗中掃描影像的偵探，你現在已經從左到右、從上到下掃描了影像，現在我們需要結合所有的特征來識別影像
池化
我們現在應用池來獲得平移不變性，
平移的不變性意味著當我們少量改變輸入時，合并的輸出不會改變，這有助于檢測輸入中常見的特征，如影像中的邊緣或影像中的顏色
我們使用最大池函式，它提供了比最小或平均池更好的性能，
當我們使用最大池時，它總結了整個鄰居的輸出，與原來的特征圖相比，我們現在有更少的單元，
在我們的例子中，我們使用一個2x2的框掃描所有的特征圖，并找到最大值，
現在我們知道卷積網路由以下構成
- 并行的多重卷積，輸出是線性激活函式
- 卷積層中應用非線性函式ReLU
- 使用像最大池這樣的池函式來匯總附近位置的統計資訊，這有助于“平移不變性”
- 我們將結果展平，然后將其輸入到全連接神經網路
下圖是完整的卷積神經網路
卷積使用了三個重要的思想
- 稀疏的互動
- 引數共享
- 等變表示
稀疏互動或稀疏權值是通過使用小于輸入影像的核或特征檢測器來實作的，
如果我們有一個大小為256 * 256的輸入影像，那么就很難檢測到影像中的邊緣，因為其可能只占影像中像素的一個更小的子集，如果我們使用更小的特征檢測器，那么當我們專注于區域特征識別時，就可以很容易地識別邊緣，
另一個優點是計算輸出所需的操作更少，從而提高了統計效率，
引數共享用于控制CNN中使用的引數或權值的數量，
在傳統的神經網路中，每個權值只使用一次，但是在CNN中，我們假設如果一個特征檢測器可以用來計算一個空間位置，那么它可以用來計算一個不同的空間位置，
當我們在CNN中共享引數時，它減少了需要學習的引數的數量，也減少了計算需求，
等變表示
這意味著目標檢測對光照、位置的變化是不變的，而內部表示對這些變化是等方差的
原文鏈接：https://medium.com/datadriveninvestor/convolutional-neural-network-cnn-simplified-ecafd4ee52c5
歡迎關注磐創AI博客站：
http://panchuang.net/
sklearn機器學習中文官方檔案：
http://sklearn123.com/
歡迎關注磐創博客資源匯總站：
http://docs.panchuang.net/
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/21485.html
標籤：其他