【机器学习】 - CNN
什么是卷積神經(jīng)網(wǎng)絡(luò)，它為何重要？
卷積神經(jīng)網(wǎng)絡(luò)（也稱作?ConvNets?或?CNN）是神經(jīng)網(wǎng)絡(luò)的一種，它在圖像識(shí)別和分類等領(lǐng)域已被證明非常有效。 卷積神經(jīng)網(wǎng)絡(luò)除了為機(jī)器人和自動(dòng)駕駛汽車的視覺助力之外，還可以成功識(shí)別人臉，物體和交通標(biāo)志。
?
圖1
如圖1所示，卷積神經(jīng)網(wǎng)絡(luò)能夠識(shí)別圖片的場景并且提供相關(guān)標(biāo)題（“足球運(yùn)動(dòng)員正在踢足球”），圖2則是利用卷積神經(jīng)網(wǎng)絡(luò)識(shí)別日常物品、人類和動(dòng)物的例子。最近，卷積神經(jīng)網(wǎng)絡(luò)在一些自然語言處理任務(wù)（如語句分類）中也發(fā)揮了很大作用。
圖2
因此，卷積神經(jīng)網(wǎng)絡(luò)是當(dāng)今大多數(shù)機(jī)器學(xué)習(xí)實(shí)踐者的重要工具。但是，理解卷積神經(jīng)網(wǎng)絡(luò)并開始嘗試運(yùn)用著實(shí)是一個(gè)痛苦的過程。本文的主要目的是了解卷積神經(jīng)網(wǎng)絡(luò)如何處理圖像。
對于剛接觸神經(jīng)網(wǎng)絡(luò)的人，我建議大家先閱讀這篇關(guān)于多層感知機(jī)的簡短教程?，了解其工作原理之后再繼續(xù)閱讀本文。多層感知機(jī)即本文中的“完全連接層”。
LeNet 框架（20世紀(jì)90年代）
LeNet 是最早推動(dòng)深度學(xué)習(xí)領(lǐng)域發(fā)展的卷積神經(jīng)網(wǎng)絡(luò)之一。這項(xiàng)由 Yann LeCun 完成的開創(chuàng)性工作自1988年以來多次成功迭代之后被命名為?LeNet5。當(dāng)時(shí) LeNet 框架主要用于字符識(shí)別任務(wù)，例如閱讀郵政編碼，數(shù)字等。
接下來，我們將直觀地了解 LeNet 框架如何學(xué)習(xí)識(shí)別圖像。 近年來有人提出了幾種基于 LeNet 改進(jìn)的新框架，但是它們的基本思路與 LeNet 并無差別，如果您清楚地理解了 LeNet，那么對這些新的框架理解起來就相對容易很多。
圖3: 一個(gè)簡單的卷積神經(jīng)網(wǎng)絡(luò)
圖3中的卷積神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上與原始的 LeNet 類似，并將輸入圖像分為四類：狗，貓，船或鳥（原始的 LeNet 主要用于字符識(shí)別任務(wù)）。 從上圖可以看出，接收船只圖像作為輸入時(shí)，神經(jīng)網(wǎng)絡(luò)在四個(gè)類別中正確地給船只分配了最高概率值（0.94）。輸出層中所有概率的總和應(yīng)該是1（之后會(huì)做解釋）。
圖3?的卷積神經(jīng)網(wǎng)絡(luò)中有四個(gè)主要操作：
這些操作是所有卷積神經(jīng)網(wǎng)絡(luò)的基本組成部分，因此了解它們的工作原理是理解卷積神經(jīng)網(wǎng)絡(luò)的重要步驟。下面我們將嘗試直觀地理解每個(gè)操作。
一張圖片就是一個(gè)由像素值組成的矩陣
實(shí)質(zhì)上，每張圖片都可以表示為由像素值組成的矩陣。
?
圖4: 每張圖片就是一個(gè)像素矩陣
通道（channel）是一個(gè)傳統(tǒng)術(shù)語，指圖像的一個(gè)特定成分。標(biāo)準(zhǔn)數(shù)碼相機(jī)拍攝的照片具有三個(gè)通道——紅，綠和藍(lán)——你可以將它們想象為三個(gè)堆疊在一起的二維矩陣（每種顏色一個(gè)），每個(gè)矩陣的像素值都在0到255之間。
而灰度圖像只有一個(gè)通道。 鑒于本文的科普目的，我們只考慮灰度圖像，即一個(gè)代表圖像的二維矩陣。矩陣中每個(gè)像素值的范圍在0到255之間——0表示黑色，255表示白色。
卷積
卷積神經(jīng)網(wǎng)絡(luò)的名字來源于“卷積”運(yùn)算。在卷積神經(jīng)網(wǎng)絡(luò)中，卷積的主要目的是從輸入圖像中提取特征。通過使用輸入數(shù)據(jù)中的小方塊來學(xué)習(xí)圖像特征，卷積保留了像素間的空間關(guān)系。我們在這里不會(huì)介紹卷積的數(shù)學(xué)推導(dǎo)，但會(huì)嘗試?yán)斫馑侨绾翁幚韴D像的。
正如前文所說，每個(gè)圖像可以被看做像素值矩陣。考慮一個(gè)像素值僅為0和1的5 × 5大小的圖像（注意，對于灰度圖像，像素值范圍從0到255，下面的綠色矩陣是像素值僅為0和1的特殊情況）：
另外，考慮另一個(gè) 3×3 矩陣，如下圖所示：
上述5 x 5圖像和3 x 3矩陣的卷積計(jì)算過程如圖5中的動(dòng)畫所示：
圖5：卷積操作。輸出矩陣稱作“卷積特征”或“特征映射”
我們來花點(diǎn)時(shí)間理解一下上述計(jì)算是如何完成的。將橙色矩陣在原始圖像（綠色）上以每次1個(gè)像素的速率（也稱為“步幅”）移動(dòng)，對于每個(gè)位置，計(jì)算兩個(gè)矩陣相對元素的乘積并相加，輸出一個(gè)整數(shù)并作為最終輸出矩陣（粉色）的一個(gè)元素。注意，3 × 3矩陣每個(gè)步幅僅能“看到”輸入圖像的一部分。
在卷積神經(jīng)網(wǎng)路的術(shù)語中，這個(gè)3 × 3矩陣被稱為“過濾器”或“核”或“特征探測器”，通過在圖像上移動(dòng)過濾器并計(jì)算點(diǎn)積得到的矩陣被稱為“卷積特征”或“激活映射”或“特征映射”。重要的是要注意，過濾器的作用就是原始輸入圖像的特征檢測器。
從上面的動(dòng)畫可以明顯看出，對于同一張輸入圖像，不同的過濾器矩陣將會(huì)產(chǎn)生不同的特征映射。例如，考慮如下輸入圖像：
在下表中，我們可以看到上圖在不同過濾器下卷積的效果。如圖所示，只需在卷積運(yùn)算前改變過濾器矩陣的數(shù)值就可以執(zhí)行邊緣檢測，銳化和模糊等不同操作 [8] —— 這意味著不同的過濾器可以檢測圖像的不同特征，例如邊緣， 曲線等。更多此類示例可在?這里?8.2.4節(jié)中找到。
?
一個(gè)過濾器（紅色邊框）在輸入圖像上移動(dòng)（卷積操作）以生成特征映射。在同一張圖像上，另一個(gè)過濾器（綠色邊框）的卷積生成了不同的特征圖，如圖所示。需要注意到，卷積操作捕獲原始圖像中的局部依賴關(guān)系很重要。還要注意這兩個(gè)不同的過濾器如何從同一張?jiān)紙D像得到不同的特征圖。請記住，以上圖像和兩個(gè)過濾器只是數(shù)值矩陣。
實(shí)際上，卷積神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中會(huì)自己學(xué)習(xí)這些過濾器的值（盡管在訓(xùn)練過程之前我們?nèi)孕枰付ㄖT如過濾器數(shù)目、大小，網(wǎng)絡(luò)框架等參數(shù)）。我們擁有的過濾器數(shù)目越多，提取的圖像特征就越多，我們的網(wǎng)絡(luò)在識(shí)別新圖像時(shí)效果就會(huì)越好。
特征映射（卷積特征）的大小由我們在執(zhí)行卷積步驟之前需要決定的三個(gè)參數(shù)[4]控制：
- 深度：深度對應(yīng)于我們用于卷積運(yùn)算的過濾器數(shù)量。在圖7所示的網(wǎng)絡(luò)中，我們使用三個(gè)不同的過濾器對初始的船圖像進(jìn)行卷積，從而生成三個(gè)不同的特征圖。可以將這三個(gè)特征地圖視為堆疊的二維矩陣，因此，特征映射的“深度”為3。
圖7
- 步幅：步幅是我們在輸入矩陣上移動(dòng)一次過濾器矩陣的像素?cái)?shù)量。當(dāng)步幅為1時(shí)，我們一次將過濾器移動(dòng)1個(gè)像素。當(dāng)步幅為2時(shí)，過濾器每次移動(dòng)2個(gè)像素。步幅越大，生成的特征映射越小。
- 零填充：有時(shí)，將輸入矩陣邊界用零來填充會(huì)很方便，這樣我們可以將過濾器應(yīng)用于輸入圖像矩陣的邊界元素。零填充一個(gè)很好的特性是它允許我們控制特征映射的大小。添加零填充也稱為寬卷積，而不使用零填充是為窄卷積。 這在[14]中有清楚的解釋。
非線性部分介紹（ReLU）
如上文圖3所示，每次卷積之后，都進(jìn)行了另一項(xiàng)稱為 ReLU 的操作。ReLU 全稱為修正線性單元（Rectified Linear Units），是一種非線性操作。 其輸出如下圖所示：
圖8: ReLU 函數(shù)
ReLU 是一個(gè)針對元素的操作（應(yīng)用于每個(gè)像素），并將特征映射中的所有負(fù)像素值替換為零。ReLU 的目的是在卷積神經(jīng)網(wǎng)絡(luò)中引入非線性因素，因?yàn)樵趯?shí)際生活中我們想要用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的數(shù)據(jù)大多數(shù)都是非線性的（卷積是一個(gè)線性運(yùn)算 —— 按元素進(jìn)行矩陣乘法和加法，所以我們希望通過引入 ReLU 這樣的非線性函數(shù)來解決非線性問題）。
從圖9可以很清楚地理解 ReLU 操作。它展示了將 ReLU 作用于圖6中某個(gè)特征映射得到的結(jié)果。這里的輸出特征映射也被稱為“修正”特征映射。
圖9: ReLU 操作
其他非線性函數(shù)諸如?tanh?或?sigmoid?也可以用來代替 ReLU，但是在大多數(shù)情況下，ReLU 的表現(xiàn)更好。
池化
空間池化（也稱為子采樣或下采樣）可降低每個(gè)特征映射的維度，并保留最重要的信息。空間池化有幾種不同的方式：最大值，平均值，求和等。
在最大池化的情況下，我們定義一個(gè)空間鄰域（例如，一個(gè)2 × 2窗口），并取修正特征映射在該窗口內(nèi)最大的元素。當(dāng)然我們也可以取該窗口內(nèi)所有元素的平均值（平均池化）或所有元素的總和。在實(shí)際運(yùn)用中，最大池化的表現(xiàn)更好。
圖10展示了通過2 × 2窗口在修正特征映射（卷積+ ReLU 操作后得到）上應(yīng)用最大池化操作的示例。
圖10: 最大池化
我們將2 x 2窗口移動(dòng)2個(gè)單元格（也稱為“步幅”），并取每個(gè)區(qū)域中的最大值。如圖10所示，這樣就降低了特征映射的維度。
在圖11所示的網(wǎng)絡(luò)中，池化操作分別應(yīng)用于每個(gè)特征映射（因此，我們從三個(gè)輸入映射中得到了三個(gè)輸出映射）。
圖11: 在修正特征映射上應(yīng)用池化
圖12展示了我們對圖9中經(jīng)過 ReLU 操作之后得到的修正特征映射應(yīng)用池化之后的效果。
圖12: 池化
池化的作用是逐步減少輸入的空間大小[4]。具體來說有以下四點(diǎn)：
- 使輸入（特征維度）更小，更易于管理
- 減少網(wǎng)絡(luò)中的參數(shù)和運(yùn)算次數(shù)，因此可以控制過擬合?[4]
- 使網(wǎng)絡(luò)對輸入圖像微小的變換、失真和平移更加穩(wěn)健（輸入圖片小幅度的失真不會(huì)改池化的輸出結(jié)果 —— 因?yàn)槲覀內(nèi)×肃徲虻淖畲笾?平均值）。
- 可以得到尺度幾乎不變的圖像（確切的術(shù)語是“等變”）。這是非常有用的，這樣無論圖片中的物體位于何處，我們都可以檢測到，（詳情參閱[18]和[19]）。
至此…
圖13
目前為止，我們已經(jīng)了解了卷積，ReLU 和池化的工作原理。這些是卷積神經(jīng)網(wǎng)絡(luò)的基本組成部分，理解這一點(diǎn)很重要。如圖13所示，我們有兩個(gè)由卷積，ReLU 和 Pooling 組成的中間層 —— 第二個(gè)卷積層使用六個(gè)過濾器對第一層的輸出執(zhí)行卷積，生成六個(gè)特征映射。然后將 ReLU 分別應(yīng)用于這六個(gè)特征映射。接著，我們對六個(gè)修正特征映射分別執(zhí)行最大池化操作。
這兩個(gè)中間層的作用都是從圖像中提取有用的特征，在網(wǎng)絡(luò)中引入非線性因素，同時(shí)對特征降維并使其在尺度和平移上等變[18]。
第二個(gè)池化層的輸出即完全連接層的輸入，我們將在下一節(jié)討論。
完全連接層
完全連接層是一個(gè)傳統(tǒng)的多層感知器，它在輸出層使用 softmax 激活函數(shù)（也可以使用其他分類器，比如 SVM，但在本文只用到了 softmax）。“完全連接”這個(gè)術(shù)語意味著前一層中的每個(gè)神經(jīng)元都連接到下一層的每個(gè)神經(jīng)元。 如果對多層感知器不甚了解，我建議您閱讀這篇文章。
卷積層和池化層的輸出代表了輸入圖像的高級特征。完全連接層的目的是利用這些基于訓(xùn)練數(shù)據(jù)集得到的特征，將輸入圖像分為不同的類。例如，我們要執(zhí)行的圖像分類任務(wù)有四個(gè)可能的輸出，如圖14所示（請注意，圖14沒有展示出完全連接層中節(jié)點(diǎn)之間的連接）
圖14: 完全連接層——每個(gè)節(jié)點(diǎn)都與相鄰層的其他節(jié)點(diǎn)連接
除分類之外，添加完全連接層也是一個(gè)（通常來說）比較簡單的學(xué)習(xí)這些特征非線性組合的方式。卷積層和池化層得到的大部分特征對分類的效果可能也不錯(cuò)，但這些特征的組合可能會(huì)更好[11]。
完全連接層的輸出概率之和為1。這是因?yàn)槲覀冊谕耆B接層的輸出層使用了 softmax 激活函數(shù)。Softmax 函數(shù)取任意實(shí)數(shù)向量作為輸入，并將其壓縮到數(shù)值在0到1之間，總和為1的向量。
正式開始——使用反向傳播進(jìn)行訓(xùn)練
如上所述，卷積+池化層用來從輸入圖像提取特征，完全連接層用來做分類器。
注意，在圖15中，由于輸入圖像是船，對于船類目標(biāo)概率為1，其他三個(gè)類為0
- 輸入圖像 = 船
- 目標(biāo)向量 = [0, 0, 1, 0]
圖15：訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)
卷積網(wǎng)絡(luò)的整體訓(xùn)練過程概括如下：
- 步驟1：用隨機(jī)值初始化所有過濾器和參數(shù)/權(quán)重
- 步驟2：神經(jīng)網(wǎng)絡(luò)將訓(xùn)練圖像作為輸入，經(jīng)過前向傳播步驟（卷積，ReLU 和池化操作以在完全連接層中的前向傳播），得到每個(gè)類的輸出概率。
- 假設(shè)上面船只圖像的輸出概率是 [0.2,0.4,0.1,0.3]
- 由于權(quán)重是隨機(jī)分配給第一個(gè)訓(xùn)練樣本，因此輸出概率也是隨機(jī)的。
- 步驟3：計(jì)算輸出層的總誤差（對所有4個(gè)類進(jìn)行求和）
- 總誤差=∑ ?(目標(biāo)概率 – 輸出概率)2
- 步驟4：使用反向傳播計(jì)算網(wǎng)絡(luò)中所有權(quán)重的誤差梯度，并使用梯度下降更新所有過濾器值/權(quán)重和參數(shù)值，以最小化輸出誤差。
- 根據(jù)權(quán)重對總誤差的貢獻(xiàn)對其進(jìn)行調(diào)整。
- 當(dāng)再次輸入相同的圖像時(shí)，輸出概率可能就變成了 [0.1,0.1,0.7,0.1]，這更接近目標(biāo)向量 [0,0,1,0]。
- 這意味著網(wǎng)絡(luò)已經(jīng)學(xué)會(huì)了如何通過調(diào)整其權(quán)重/過濾器并減少輸出誤差的方式對特定圖像進(jìn)行正確分類。
- 過濾器數(shù)量、大小，網(wǎng)絡(luò)結(jié)構(gòu)等參數(shù)在步驟1之前都已經(jīng)固定，并且在訓(xùn)練過程中不會(huì)改變 —— 只會(huì)更新濾器矩陣和連接權(quán)值。
- 步驟5：對訓(xùn)練集中的所有圖像重復(fù)步驟2-4。
?
通過以上步驟就可以訓(xùn)練出卷積神經(jīng)網(wǎng)絡(luò) —— 這實(shí)際上意味著卷積神經(jīng)網(wǎng)絡(luò)中的所有權(quán)重和參數(shù)都已經(jīng)過優(yōu)化，可以對訓(xùn)練集中的圖像進(jìn)行正確分類。
當(dāng)我們給卷積神經(jīng)網(wǎng)絡(luò)中輸入一個(gè)新的（未見過的）圖像時(shí)，網(wǎng)絡(luò)會(huì)執(zhí)行前向傳播步驟并輸出每個(gè)類的概率（對于新圖像，計(jì)算輸出概率所用的權(quán)重是之前優(yōu)化過，并能夠?qū)τ?xùn)練集完全正確分類的）。如果我們的訓(xùn)練集足夠大，神經(jīng)網(wǎng)絡(luò)會(huì)有很好的泛化能力（但愿如此）并將新圖片分到正確的類里。
注1：為了給大家提供一個(gè)直觀的訓(xùn)練過程，上述步驟已經(jīng)簡化了很多，并且忽略了數(shù)學(xué)推導(dǎo)過程。如果想要數(shù)學(xué)推導(dǎo)以及對卷積神經(jīng)網(wǎng)絡(luò)透徹的理解，請參閱 [4] 和 [12]。
注2：上面的例子中，我們使用了兩組交替的卷積和池化層。但請注意，這些操作可以在一個(gè)卷積神經(jīng)網(wǎng)絡(luò)中重復(fù)執(zhí)行多次。實(shí)際上，現(xiàn)在效果最好的一些卷積神經(jīng)網(wǎng)絡(luò)都包含幾十個(gè)卷積和池化層！ 另外，每個(gè)卷積層之后的池化層不是必需的。從下面的圖16中可以看出，在進(jìn)行池化操作之前，我們可以連續(xù)進(jìn)行多個(gè)卷積 + ReLU 操作。另外請注意圖16卷積神經(jīng)網(wǎng)絡(luò)的每一層是如何展示的。
圖16
卷積神經(jīng)網(wǎng)絡(luò)的可視化
一般來說，卷積步驟越多，神經(jīng)網(wǎng)絡(luò)能夠?qū)W習(xí)識(shí)別的特征就更復(fù)雜。例如，在圖像分類中，卷積神經(jīng)網(wǎng)絡(luò)在第一層可能會(huì)學(xué)習(xí)檢測原始像素的邊緣，然后在第二層利用這些邊緣檢測簡單形狀，然后在更高級的層用這些形狀來檢測高級特征，例如面部形狀 [14]。圖17演示了這個(gè)過程 —— 這些特征是使用卷積深度信念網(wǎng)絡(luò)學(xué)習(xí)的，這張圖片只是為了演示思路（這只是一個(gè)例子：實(shí)際上卷積過濾器識(shí)別出來的對象可能對人來說并沒有什么意義）。
圖17: 卷積深度信念網(wǎng)絡(luò)學(xué)習(xí)特征
Adam Harley 創(chuàng)建了一個(gè)基于 MNIST 手寫數(shù)字?jǐn)?shù)據(jù)集 [13]訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的可視化。我強(qiáng)烈推薦大家?使用它來了解卷積神經(jīng)網(wǎng)絡(luò)的工作細(xì)節(jié)。
我們在下圖中可以看到神經(jīng)網(wǎng)絡(luò)對于輸入數(shù)字“8”的具體操作細(xì)節(jié)。請注意，圖18中并未單獨(dú)顯示ReLU操作。
圖18：基于手寫數(shù)字訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的可視化
輸入圖像包含 1024 個(gè)像素點(diǎn)（32 × 32 圖像），第一個(gè)卷積層（卷積層1）由六個(gè)不同的5 × 5（步幅為1）過濾器與輸入圖像卷積而成。如圖所示，使用六個(gè)不同的過濾器得到深度為六的特征映射。
卷積層1之后是池化層1，它在卷積層1中的六個(gè)特征映射上分別進(jìn)行2 × 2最大池化（步幅為2）。將鼠標(biāo)指針移動(dòng)到池化層的任意像素上，可以觀察到它來自于2 x 2網(wǎng)格在前一個(gè)卷積層中的作用（如圖19所示）。注意到2 x 2網(wǎng)格中具有最大值（最亮的那個(gè)）的像素點(diǎn)會(huì)被映射到池化層。
圖19：池化操作可視化
池化層1之后是十六個(gè)執(zhí)行卷積操作的5 × 5（步幅為1）卷積過濾器。然后是執(zhí)行2 × 2最大池化（步幅為2）的池化層2。 這兩層的作用與上述相同。
然后有三個(gè)完全連接（FC）層：
- 第一個(gè)FC層中有120個(gè)神經(jīng)元
- 第二個(gè)FC層中有100個(gè)神經(jīng)元
- 第三個(gè)FC層中的10個(gè)神經(jīng)元對應(yīng)于10個(gè)數(shù)字 —— 也稱為輸出層
注意，在圖20中，輸出層的10個(gè)節(jié)點(diǎn)每一個(gè)都連接到第二個(gè)完全連接層中的全部100個(gè)節(jié)點(diǎn)（因此稱為完全連接）。
另外，注意為什么輸出層中唯一明亮的節(jié)點(diǎn)是’8’ —— 這意味著神經(jīng)網(wǎng)絡(luò)對我們的手寫數(shù)字進(jìn)行了正確分類（節(jié)點(diǎn)亮度越高表示它的輸出更高，即8在所有數(shù)字中具有最高的概率）。
圖20：完全連接層可視化
該可視化系統(tǒng)的 3D 版本在此。
其他卷積神經(jīng)網(wǎng)絡(luò)框架
卷積神經(jīng)網(wǎng)絡(luò)始于20世紀(jì)90年代初。我們已經(jīng)討論了LeNet，它是最早的卷積神經(jīng)網(wǎng)絡(luò)之一。下面列出了其他一些有影響力的神經(jīng)網(wǎng)絡(luò)框架 [3] [4]。
- LeNet (20世紀(jì)90年代)：本文已詳述。
- 20世紀(jì)90年代到2012年：從20世紀(jì)90年代后期到2010年初，卷積神經(jīng)網(wǎng)絡(luò)正處于孵化期。隨著越來越多的數(shù)據(jù)和計(jì)算能力的提升，卷積神經(jīng)網(wǎng)絡(luò)可以解決的任務(wù)變得越來越有趣。
- AlexNet（2012）?– 2012年，Alex Krizhevsky（和其他人）發(fā)布了?AlexNet，它是提升了深度和廣度版本的 LeNet，并在2012年以巨大優(yōu)勢贏得了 ImageNet 大規(guī)模視覺識(shí)別挑戰(zhàn)賽（ILSVRC）。這是基于之前方法的重大突破，目前 CNN 的廣泛應(yīng)用都要?dú)w功于 AlexNet。
- ZF Net（2013）?– 2013年 ILSVRC 獲獎(jiǎng)?wù)邅碜?Matthew Zeiler 和 Rob Fergus 的卷積網(wǎng)絡(luò)。它被稱為?ZFNet（Zeiler 和 Fergus Net 的簡稱）。它在 AlexNet 的基礎(chǔ)上通過調(diào)整網(wǎng)絡(luò)框架超參數(shù)對其進(jìn)行了改進(jìn)。
- GoogLeNet（2014）?– 2014年 ILSVRC 獲獎(jiǎng)?wù)呤?Google 的?Szegedy 等人的卷積網(wǎng)絡(luò)。其主要貢獻(xiàn)是開發(fā)了一個(gè)初始模塊，該模塊大大減少了網(wǎng)絡(luò)中的參數(shù)數(shù)量（4M，而 AlexNet 有60M）。
- VGGNet（2014）?– 2014年 ILSVRC 亞軍是名為?VGGNet?的網(wǎng)絡(luò)。其主要貢獻(xiàn)在于證明了網(wǎng)絡(luò)深度（層數(shù)）是影響性能的關(guān)鍵因素。
- ResNets（2015）?– 何凱明（和其他人）開發(fā)的殘差網(wǎng)絡(luò)是2015年 ILSVRC 的冠軍。ResNets 是迄今為止最先進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)模型，并且是大家在實(shí)踐中使用卷積神經(jīng)網(wǎng)絡(luò)的默認(rèn)選擇（截至2016年5月）。
- DenseNet（2016年8月）?– 最近由黃高等人發(fā)表，密集連接卷積網(wǎng)絡(luò)的每一層都以前饋方式直接連接到其他層。 DenseNet 已經(jīng)在五項(xiàng)競爭激烈的對象識(shí)別基準(zhǔn)測試任務(wù)中證明自己比之前最先進(jìn)的框架有了顯著的改進(jìn)。具體實(shí)現(xiàn)請參考這個(gè)網(wǎng)址。
結(jié)論
本文中，我嘗試著用一些簡單的術(shù)語解釋卷積神經(jīng)網(wǎng)絡(luò)背后的主要概念，同時(shí)簡化/略過了幾個(gè)細(xì)節(jié)部分，但我希望這篇文章能夠讓你直觀地理解其工作原理。
本文最初是受 Denny Britz 《理解卷積神經(jīng)網(wǎng)絡(luò)在自然語言處理上的運(yùn)用》這篇文章的啟發(fā)（推薦閱讀），文中的許多解釋是基于這篇文章的。為了更深入地理解其中一些概念，我鼓勵(lì)您閱讀斯坦福大學(xué)卷積神經(jīng)網(wǎng)絡(luò)課程的筆記以及一下參考資料中提到的其他很棒的資源。如果您對上述概念的理解遇到任何問題/建議，請隨時(shí)在下面留言。
文中所使用的所有圖像和動(dòng)畫均屬于其各自的作者，陳列如下。
參考
圖13，第二次做卷積的時(shí)候，是對第一次的結(jié)果應(yīng)用6個(gè)過濾器嗎？那第二次卷積之后是不是應(yīng)該有3*6 = 18個(gè)特征映射啊?
在原文博客評論區(qū)找到了上面問題的解答，第二次做卷積的時(shí)候，對每個(gè)過濾器，把第一次的3個(gè)映射做某種處理結(jié)合成1個(gè)，然后對這1個(gè)進(jìn)行卷積。 詳細(xì)可見 論文?http://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf?中table1及周圍的說明
以上內(nèi)容參考自：https://www.cnblogs.com/kex1n/p/9083024.html
總結(jié)
以上是生活随笔為你收集整理的【机器学习】 - CNN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： 给贵猫续命的“血猫”：看完让人心疼
- 下一篇： 【CodeForces - 706D】V