文章目錄

• • • 1. 圖片識別問題簡介以及經典數據集
    • • 1.1 圖片識別問題簡介
      • 1.2 經典數據集
    • 1. 單通道圖片求卷積
    • • 1.1 基本的圖片求卷積
      • 1.2 填充的圖片求卷積
      • 1.3 TensorFlow計算卷積
    • 2. 三通道圖片求卷積
    • 3. 池化層
    • 4. 小結
    • • 4.1 輸入圖片為正方形，卷積核為正方形，單卷積核，單通道
      • 4.2 輸入圖片為正方形，卷積核為正方形，單卷積核，三通道
      • 4.3 輸入圖片為正方形，卷積核為正方形，多卷積核，多通道
    • 5.

1. 圖片識別問題簡介以及經典數據集

1.1 圖片識別問題簡介

視覺是人類認識世界非常重要的一種知覺。對于人來說，通過視覺來識別手寫體數字、識別圖片中的物體或者找出圖片中人臉的輪廓都是非常簡單的任務。但是這對于計算機來說不是一件簡單的事情。

圖片識別問題希望借助計算機中的程序來處理、分析和理解圖片中的內容，使得計算機可以從圖片中識別各種不同模式的目標和對象。比如前面的MNIST聯系就是通過計算機來識別圖片中的手寫體數字。

1.2 經典數據集

MNIST數據集：TensorFlow入門數據集

CIFAR ：CIFAR數據集是一個影響力很大的圖像分類數據集。分為CIFAR-10和CIFAR-100兩個問題，它們都是圖像字典項目(Visual Dictionary)中800萬張圖片中的一個子集。CIFAR數據集中的圖片是32*32的彩色圖片。

ImageNet：
無論是MNIST還是CIFAR數據集，相比真實環境有兩個最大的問題：

現實生活中的圖片分辨率要遠高于32*32，而且圖像的分辨率也不會是固定的。

現實生活中的物體類別很多，無論是10中還是100種都遠遠不夠，而且一張圖片中不會只出現一個種類的物體。

為了更加貼近真實環境下的圖像識別問題，由斯坦福大學的李飛飛教授帶頭整理的ImageNet很大程度地解決了這兩個問題。

ImageNet是一個基于WordNet的大型圖像數據庫。

目標：抽取一個32323的圖片的特征，再將提取的特征喂入到全連接網絡。

• 卷積可以認為是一種有效提取圖像特征的方法。
• 一般會用一個正方形的卷積核，遍歷圖片上的每個像素點。圖片內的每個像素點，乘以卷積核上相對應的點的權重，求和，在加上偏置。

1. 單通道圖片求卷積

1.1 基本的圖片求卷積

現在對于一個551的圖片，用一個331的卷積核求卷積。

如圖所示，計算機會將一張551圖片轉換為一個55的矩陣，矩陣中的每個值代表其像素點的灰度。現在用一個33的矩陣對其求卷積。
每次求卷積的過程為拿著卷積核在原始圖片舉證上求卷積。如圖中所示，就是
$$1?(?1)+0?0+2?1+5?1+4?0+2?1+3?(?1)+4?0+5?1+1=1$$
其總體大概過程如圖
圖片來源于

可以看我們是拿卷積核在原始圖片上“滑動”求卷積。
在這里，影響輸出矩陣的規格的因素有，原始圖片大小，卷積核大小，滑動的步長。

一張圖片經過一次卷積操作輸出的邊長 = ( 輸入圖片的邊長 - 卷積核 + 1 ) /步長（向上取整）

比如上圖中，輸出邊長 = ( 5 - 3 +1 ) / 1 = 3

1.2 填充的圖片求卷積

有時候，需要在圖片的周圍進行填充(有全零填充和其他填充)，如下圖所示：

那么輸出的邊長就等于 = 輸入長度 / 步長 = 5 / 1 = 5（向上取整）
在TensorFlow中，用參數padding = ‘SAME’(填充) 或者 padding = ‘VALID’(未填充) 表示

總的來說，卷積是講一個矩陣進行信息提取(特征抽取)的作用。參數為卷積核參數3 * 3 = 9個

1.3 TensorFlow計算卷積

tf.nn.conv2d(
輸入描述: 一次喂入圖片數, 圖片分辨率(兩位)，通道數
輸出描述: 卷積核分辨率(兩位), 通道數，核的個數
核滑動步長,第一個和第四個固定為1。第二三個分別為行步長和列步長。
pading = ‘VALID’
)

# eg tf.nn.conv2d([batch, 5, 5, 1],[3, 3, 1, 16],[1, 1, 1, 1],padding = 'VALID' )

2. 三通道圖片求卷積

在一般情況下，我們遇到的圖片都是彩色圖片。在計算機中，他們都是三通道圖片(三基色原理，RGB紅綠藍)。
所以我們的圖片矩陣變成了5 * 5 * 3。此時我們的卷積核變成了3 * 3 * 3 。

# eg tf.nn.conv2d([batch, 5, 5, 3],[3, 3, 3, 16],[1, 1, 1, 1],padding = 'SAME' )

3. 池化層

池化的作用：

• 減少特征的數量
• 最大值池化可以提取圖片紋理，均值池化可保留背景特征

4. 小結

從計算的角度來看：卷積操作就是矩陣操作。

4.1 輸入圖片為正方形，卷積核為正方形，單卷積核，單通道

不填充
$$輸出的矩陣邊長=\frac{輸入邊長?卷積核邊長+1}{步長}$$

填充
$$輸出的矩陣邊長=\frac{輸入邊長}{步長}$$
在這里有個疑惑，比如卷積核邊長為三，填充一層，也就是輸入邊長+2。輸出邊長滿足上述兩個公式。
假如卷積核邊長為5。那么是填充一層還是兩層？

4.2 輸入圖片為正方形，卷積核為正方形，單卷積核，三通道

邊長與單通道類似

輸出通道數可以為1，每個對應的通道數相乘后相加。
可以為3，每個對應的通道數相乘后，相互獨立。
也可以為9，輸入的每個通道數與卷積核的通道數相乘，再相加。

4.3 輸入圖片為正方形，卷積核為正方形，多卷積核，多通道

邊長與單通道類似

輸出通道數
= 卷積核個數，每個對應的通道數相乘后相加。
= 卷積核個數3， 每個對應的通道數相乘后，相互獨立。
= 卷積核個數9，輸入的每個通道數與卷積核的通道數相乘，再相加。

5.

總結

以上是生活随笔為你收集整理的TensorFlow学习笔记之五（卷积神经网络)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。