從神經(jīng)網(wǎng)絡(luò)到卷積神經(jīng)網(wǎng)絡(luò)（CNN）
我們知道神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是這樣的：

那卷積神經(jīng)網(wǎng)絡(luò)跟它是什么關(guān)系呢？
其實(shí)卷積神經(jīng)網(wǎng)絡(luò)依舊是層級(jí)網(wǎng)絡(luò)，只是層的功能和形式做了變化，可以說是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的一個(gè)改進(jìn)。比如下圖中就多了許多傳統(tǒng)神經(jīng)網(wǎng)絡(luò)沒有的層次。

?

卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)
? ? ? ? 數(shù)據(jù)輸入層/ Input layer
　　? 卷積計(jì)算層/ CONV layer
　　? ReLU激勵(lì)層 / ReLU layer
　　? 池化層 / Pooling layer
　　? 全連接層 / FC layer

?

1.數(shù)據(jù)輸入層
該層要做的處理主要是對(duì)原始圖像數(shù)據(jù)進(jìn)行預(yù)處理，其中包括：
　　? 去均值：把輸入數(shù)據(jù)各個(gè)維度都中心化為0，如下圖所示，其目的就是把樣本的中心拉回到坐標(biāo)系原點(diǎn)上。
　　? 歸一化：幅度歸一化到同樣的范圍，如下所示，即減少各維度數(shù)據(jù)取值范圍的差異而帶來的干擾，比如，我們有兩個(gè)維度的特征A和B，A范圍是0到10，而B范圍是0到10000，如果直接使用這兩個(gè)特征是有問題的，好的做法就是歸一化，即A和B的數(shù)據(jù)都變?yōu)?到1的范圍。
　　? PCA/白化：用PCA降維；白化是對(duì)數(shù)據(jù)各個(gè)特征軸上的幅度歸一化

?

去均值與歸一化效果圖：

?

去相關(guān)與白化效果圖：

?

?

2.卷積計(jì)算層
這一層就是卷積神經(jīng)網(wǎng)絡(luò)最重要的一個(gè)層次，也是“卷積神經(jīng)網(wǎng)絡(luò)”的名字來源。
在這個(gè)卷積層，有兩個(gè)關(guān)鍵操作：
　　? 局部關(guān)聯(lián)。每個(gè)神經(jīng)元看做一個(gè)濾波器(filter)
　　? 窗口(receptive field)滑動(dòng)， filter對(duì)局部數(shù)據(jù)計(jì)算

?

先介紹卷積層遇到的幾個(gè)名詞：
　　? 深度/depth（解釋見下圖）
　　? 步長(zhǎng)/stride （窗口一次滑動(dòng)的長(zhǎng)度）
　　? 填充值/zero-padding

?

填充值是什么呢？以下圖為例子，比如有這么一個(gè)5*5的圖片（一個(gè)格子一個(gè)像素），我們滑動(dòng)窗口取2*2，步長(zhǎng)取2，那么我們發(fā)現(xiàn)還剩下1個(gè)像素沒法滑完，那怎么辦呢？



那我們?cè)谠鹊木仃嚰恿艘粚犹畛渲?#xff0c;使得變成6*6的矩陣，那么窗口就可以剛好把所有像素遍歷完。這就是填充值的作用。


?

卷積的計(jì)算（注意，下面藍(lán)色矩陣周圍有一圈灰色的框，那些就是上面所說到的填充值）

這里的藍(lán)色矩陣就是輸入的圖像，粉色矩陣就是卷積層的神經(jīng)元，這里表示了有兩個(gè)神經(jīng)元（w0,w1）。綠色矩陣就是經(jīng)過卷積運(yùn)算后的輸出矩陣，這里的步長(zhǎng)設(shè)置為2。

?

藍(lán)色的矩陣(輸入圖像)對(duì)粉色的矩陣（filter）進(jìn)行矩陣內(nèi)積計(jì)算并將三個(gè)內(nèi)積運(yùn)算的結(jié)果與偏置值b相加（比如上面圖的計(jì)算：2+（-2+1-2）+（1-2-2） + 1= 2 - 3 - 3 + 1 = -3），計(jì)算后的值就是綠框矩陣的一個(gè)元素。

?

下面的動(dòng)態(tài)圖形象地展示了卷積層的計(jì)算過程：

?

參數(shù)共享機(jī)制
　　? 在卷積層中每個(gè)神經(jīng)元連接數(shù)據(jù)窗的權(quán)重是固定的，每個(gè)神經(jīng)元只關(guān)注一個(gè)特性。神經(jīng)元就是圖像處理中的濾波器，比如邊緣檢測(cè)專用的Sobel濾波器，即卷積層的每個(gè)濾波器都會(huì)有自己所關(guān)注一個(gè)圖像特征，比如垂直邊緣，水平邊緣，顏色，紋理等等，這些所有神經(jīng)元加起來就好比就是整張圖像的特征提取器集合。
　　? 需要估算的權(quán)重個(gè)數(shù)減少: AlexNet 1億 => 3.5w
　　? 一組固定的權(quán)重和不同窗口內(nèi)數(shù)據(jù)做內(nèi)積: 卷積

?

3.激勵(lì)層
把卷積層輸出結(jié)果做非線性映射。

CNN采用的激勵(lì)函數(shù)一般為ReLU(The Rectified Linear Unit/修正線性單元)，它的特點(diǎn)是收斂快，求梯度簡(jiǎn)單，但較脆弱，圖像如下。

?

激勵(lì)層的實(shí)踐經(jīng)驗(yàn)：
　　①不要用sigmoid！不要用sigmoid！不要用sigmoid！
　　② 首先試RELU，因?yàn)榭?#xff0c;但要小心點(diǎn)
　　③ 如果2失效，請(qǐng)用Leaky ReLU或者M(jìn)axout
　　④ 某些情況下tanh倒是有不錯(cuò)的結(jié)果，但是很少

4.池化層
池化層夾在連續(xù)的卷積層中間， 用于壓縮數(shù)據(jù)和參數(shù)的量，減小過擬合。
簡(jiǎn)而言之，如果輸入是圖像的話，那么池化層的最主要作用就是壓縮圖像。

?

這里再展開敘述池化層的具體作用。

1. 特征不變性，也就是我們?cè)趫D像處理中經(jīng)常提到的特征的尺度不變性，池化操作就是圖像的resize，平時(shí)一張狗的圖像被縮小了一倍我們還能認(rèn)出這是一張狗的照片，這說明這張圖像中仍保留著狗最重要的特征，我們一看就能判斷圖像中畫的是一只狗，圖像壓縮時(shí)去掉的信息只是一些無關(guān)緊要的信息，而留下的信息則是具有尺度不變性的特征，是最能表達(dá)圖像的特征。

2. 特征降維，我們知道一幅圖像含有的信息是很大的，特征也很多，但是有些信息對(duì)于我們做圖像任務(wù)時(shí)沒有太多用途或者有重復(fù)，我們可以把這類冗余信息去除，把最重要的特征抽取出來，這也是池化操作的一大作用。

3. 在一定程度上防止過擬合，更方便優(yōu)化。

池化層用的方法有Max pooling 和 average pooling，而實(shí)際用的較多的是Max pooling。

這里就說一下Max pooling，其實(shí)思想非常簡(jiǎn)單。

對(duì)于每個(gè)2*2的窗口選出最大的數(shù)作為輸出矩陣的相應(yīng)元素的值，比如輸入矩陣第一個(gè)2*2窗口中最大的數(shù)是6，那么輸出矩陣的第一個(gè)元素就是6，如此類推。

5.全連接層
兩層之間所有神經(jīng)元都有權(quán)重連接，通常全連接層在卷積神經(jīng)網(wǎng)絡(luò)尾部。也就是跟傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)神經(jīng)元的連接方式是一樣的：

一般CNN結(jié)構(gòu)依次為
　　1. INPUT
　　2. [[CONV -> RELU]*N -> POOL?]*M?
　　3. [FC -> RELU]*K
　　4. FC

卷積神經(jīng)網(wǎng)絡(luò)之訓(xùn)練算法
　　1. 同一般機(jī)器學(xué)習(xí)算法，先定義Loss function，衡量和實(shí)際結(jié)果之間差距。
　　2. 找到最小化損失函數(shù)的W和b， CNN中用的算法是SGD（隨機(jī)梯度下降）。

卷積神經(jīng)網(wǎng)絡(luò)之優(yōu)缺點(diǎn)
優(yōu)點(diǎn)
　　? 共享卷積核，對(duì)高維數(shù)據(jù)處理無壓力
　　? 無需手動(dòng)選取特征，訓(xùn)練好權(quán)重，即得特征分類效果好
缺點(diǎn)
　　? 需要調(diào)參，需要大樣本量，訓(xùn)練最好要GPU
　　? 物理含義不明確（也就說，我們并不知道沒個(gè)卷積層到底提取到的是什么特征，而且神經(jīng)網(wǎng)絡(luò)本身就是一種難以解釋的“黑箱模型”）

卷積神經(jīng)網(wǎng)絡(luò)之典型CNN
　　? LeNet，這是最早用于數(shù)字識(shí)別的CNN
　　? AlexNet， 2012 ILSVRC比賽遠(yuǎn)超第2名的CNN，比
　　? LeNet更深，用多層小卷積層疊加替換單大卷積層。
　　? ZF Net， 2013 ILSVRC比賽冠軍
　　? GoogLeNet， 2014 ILSVRC比賽冠軍
　　? VGGNet， 2014 ILSVRC比賽中的模型，圖像識(shí)別略差于GoogLeNet，但是在很多圖像轉(zhuǎn)化學(xué)習(xí)問題(比如object detection)上效果奇好

卷積神經(jīng)網(wǎng)絡(luò)之 fine-tuning
何謂fine-tuning？
fine-tuning就是使用已用于其他目標(biāo)、預(yù)訓(xùn)練好模型的權(quán)重或者部分權(quán)重，作為初始值開始訓(xùn)練。

那為什么我們不用隨機(jī)選取選幾個(gè)數(shù)作為權(quán)重初始值？原因很簡(jiǎn)單，第一，自己從頭訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)容易出現(xiàn)問題；第二，fine-tuning能很快收斂到一個(gè)較理想的狀態(tài)，省時(shí)又省心。

那fine-tuning的具體做法是？
　　? 復(fù)用相同層的權(quán)重，新定義層取隨機(jī)權(quán)重初始值
　　? 調(diào)大新定義層的的學(xué)習(xí)率，調(diào)小復(fù)用層學(xué)習(xí)率

卷積神經(jīng)網(wǎng)絡(luò)的常用框架

Caffe
　　? 源于Berkeley的主流CV工具包，支持C++,python,matlab
　　? Model Zoo中有大量預(yù)訓(xùn)練好的模型供使用
Torch
　　? Facebook用的卷積神經(jīng)網(wǎng)絡(luò)工具包
　　? 通過時(shí)域卷積的本地接口，使用非常直觀
　　? 定義新網(wǎng)絡(luò)層簡(jiǎn)單
TensorFlow
　　? Google的深度學(xué)習(xí)框架
　　? TensorBoard可視化很方便
　　? 數(shù)據(jù)和模型并行化好，速度快

?

總結(jié)
卷積網(wǎng)絡(luò)在本質(zhì)上是一種輸入到輸出的映射，它能夠?qū)W習(xí)大量的輸入與輸出之間的映射關(guān)系，而不需要任何輸入和輸出之間的精確的數(shù)學(xué)表達(dá)式，只要用已知的模式對(duì)卷積網(wǎng)絡(luò)加以訓(xùn)練，網(wǎng)絡(luò)就具有輸入輸出對(duì)之間的映射能力。

CNN一個(gè)非常重要的特點(diǎn)就是頭重腳輕（越往輸入權(quán)值越小，越往輸出權(quán)值越多），呈現(xiàn)出一個(gè)倒三角的形態(tài)，這就很好地避免了BP神經(jīng)網(wǎng)絡(luò)中反向傳播的時(shí)候梯度損失得太快。

卷積神經(jīng)網(wǎng)絡(luò)CNN主要用來識(shí)別位移、縮放及其他形式扭曲不變性的二維圖形。由于CNN的特征檢測(cè)層通過訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)，所以在使用CNN時(shí)，避免了顯式的特征抽取，而隱式地從訓(xùn)練數(shù)據(jù)中進(jìn)行學(xué)習(xí)；再者由于同一特征映射面上的神經(jīng)元權(quán)值相同，所以網(wǎng)絡(luò)可以并行學(xué)習(xí)，這也是卷積網(wǎng)絡(luò)相對(duì)于神經(jīng)元彼此相連網(wǎng)絡(luò)的一大優(yōu)勢(shì)。卷積神經(jīng)網(wǎng)絡(luò)以其局部權(quán)值共享的特殊結(jié)構(gòu)在語音識(shí)別和圖像處理方面有著獨(dú)特的優(yōu)越性，其布局更接近于實(shí)際的生物神經(jīng)網(wǎng)絡(luò)，權(quán)值共享降低了網(wǎng)絡(luò)的復(fù)雜性，特別是多維輸入向量的圖像可以直接輸入網(wǎng)絡(luò)這一特點(diǎn)避免了特征提取和分類過程中數(shù)據(jù)重建的復(fù)雜度。

?

以下是我自己在學(xué)習(xí)CNN的時(shí)候遇到的一些困惑，以及查閱一些資料后得到的一些答案。

第一個(gè)問題：為什么不用BP神經(jīng)網(wǎng)絡(luò)去做呢？
1.全連接，權(quán)值太多，需要很多樣本去訓(xùn)練，計(jì)算困難
　　? 應(yīng)對(duì)之道：減少權(quán)值的嘗試，局部連接，權(quán)值共享

　　卷積神經(jīng)網(wǎng)絡(luò)有兩種神器可以降低參數(shù)數(shù)目。
　　第一種神器叫做局部感知野，一般認(rèn)為人對(duì)外界的認(rèn)知是從局部到全局的，而圖像的空間聯(lián)系也是局部的像素聯(lián)系較為緊密，而距離較遠(yuǎn)的像素相關(guān)性則較弱。因而，每個(gè)神經(jīng)元其實(shí)沒有必要對(duì)全局圖像進(jìn)行感知，只需要對(duì)局部進(jìn)行感知，然后在更高層將局部的信息綜合起來就得到了全局的信息。
　　第二級(jí)神器，即權(quán)值共享。

?

2.邊緣過渡不平滑
　　? 應(yīng)對(duì)之道：采樣窗口彼此重疊

?

第二個(gè)問題：LeNet里的隱層的神經(jīng)元個(gè)數(shù)怎么確定呢？
它和原圖像，也就是輸入的大小（神經(jīng)元個(gè)數(shù)）、濾波器的大小和濾波器在圖像中的滑動(dòng)步長(zhǎng)都有關(guān)！

LeNet-5共有7層，不包含輸入，每層都包含可訓(xùn)練參數(shù)（連接權(quán)重）。輸入圖像為32*32大小。

例如，我的圖像是1000x1000像素，而濾波器大小是10x10，假設(shè)濾波器沒有重疊，也就是步長(zhǎng)為10，這樣隱層的神經(jīng)元個(gè)數(shù)就是(1000x1000 )/ (10x10)=100x100個(gè)神經(jīng)元了。

那重疊了怎么算？比如上面圖的C2中28*28是如何得來的？這里的步長(zhǎng)就是1，窗口大小是5*5，所以窗口滑動(dòng)肯定發(fā)生了重疊。下圖解釋了28的由來。

?

?

第三個(gè)問題：S2層是一個(gè)下采樣層是干嘛用的？為什么是下采樣？
也就是上面所說的池化層，只是叫法不同而已。這層利用圖像局部相關(guān)性的原理，對(duì)圖像進(jìn)行子抽樣，可以減少數(shù)據(jù)處理量同時(shí)保留有用信息，相當(dāng)于圖像壓縮。

總結(jié)

以上是生活随笔為你收集整理的有关CNN网络结构的总结的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。