卷积神经网络

卷积神经网络（Convolutional Neural Network，简称CNN）是一种深度学习模型，特别适用于处理具有网格结构的数据。主要目的是自动地、层次化地从原始数据中学习有效的特征表示，以完成特定的任务，如图像识别、分类、检测、分割等。

一、画面不变性

什么是画面不变性呢？我们知道一个物体，不管将其如何变换旋转都能够将其识别为同一个物体，这就是画面不变性。比如：

不管上图中物体如何的变换，我们都希望所建立的网络可以尽可能的满足这些不变性特点。

二、图像识别

我们知道传统的神经网络，训练时会将图形展开，使得在训练时网络模型的记忆比较刻板，比如下图中，我们进行训练时让神经网络记住正确的目标，但是当正确的图形变换一个位置时就无法识别了。

那么对于传统神经网络该怎么解决这个问题呢？

解决办法是：用大量物体位于不同位置的数据训练，同时增加网络的隐藏层个数从而扩大网络学习这些变体的能力。

这是不是需要花费很大很大的数据采集以及计算空间呢？让我们来看看卷积神经网络是如何做的。

三、卷积网络

结构

卷积神经网络的结构：由输入层、卷积层、激活层、池化层、全连接层、输出层组成。

1. 原理

类比自然界的动物，不同的物种有自己独有的特征，比如小狗的叫声是“汪汪汪_{”，小猫是“喵}”，这就是这两个动物的区别，我们人类也可以通过这种方法来区分二者。

同样的，卷积神经网络也是同样的道理，卷积网络将图片划分出几个特征点，在识别图片时，找寻图片中是否有符合特征点的信息。

比如上图中，卷积网络如何将右边手写的“x”图片识别成x？

将标准的x图片划分出三个特征，x图片由上方的三个小部分组成，手写“x”图片中有包含第二部分的特征，没有另外两部分特征，那这我们怎么判断它到底是还是不是呢？

就像是每个动物都有自己重要的特征，我们可以通过调整三个部分特征的权重，来决定所识别的图片是否是x图片。

所以，综上所述：卷积就是对图像（不同的数据窗口数据）和卷积核（一组固定的权重：因为每个神经元的多个权重固定，所以又可以看做一个恒定的滤波器filter）做内积（逐个元素相乘再求和）的操作就是所谓的『卷积』操作，也是卷积神经网络的名字来源。

2. 卷积层

• 卷积操作：

卷积操作中需要注意的：

1. 步长stride：每次滑动的位置步长。
2. 卷积核的个数：决定输出的depth厚度。同时代表卷积核的个数以及滤波器的个数。
3. 填充值zero-padding：在外围边缘补充若干圈0，方便从初始位置以步长为单位可以刚好滑倒末尾位置，通俗地讲就是为了总长能被步长整除。

对于卷积层，可以形象的将卷积核当作是每个人的眼睛，每个眼睛都能得到一个特征图，不同的眼睛（卷积核）看到的图片是不一样的，这样我们就能得到多个不同的特征图。

• 寻找目标特征：

我们都知道卷积是通过与卷积核的内积得到特征图，但是，我们如何精准的找到卷积出来的特征图是不是我们的目标呢？

以鸢尾花为例：

我们的目标是识别图片中的花朵是不是鸢尾花，那我们卷积时寻找的特征图，当然得是关于鸢尾花的特征，尽量减少其余噪声的影响。这就要通过调整卷积核中的参数来调整特征目标：

一开始的卷积核是随机的，在最后的结果中同正确结果做比对，如果有误差，再返回卷积层中，更新调整卷积核的参数重新计算特征图，使得最后的特征图是目标特征。

• 特征图计算：

计算图片经过卷积后获得的特征图大小。

3. 池化层

1. 池化层的作用：

一种降采样，减小数据的空间大小，因此参数的数量和计算量也会下降，这在一定程度上也控制了过拟合。

2. 常见的池化层：

最大池化、平均池化、全局平均池化、全局最大池化。

平均池化（average pooling）：计算图像区域的平均值作为该区域池化后的值。

最大池化（max pooling）:选图像区域的最大值作为该区域池化后的值。是最为常见的。

通常来说，CNN的卷积层之间都会周期性地插入池化层。

• 我们偏常用的池化方法是最大池化，最大池化的原理分析：

最大池化的主要功能是压缩，却不会损坏识别结果。 这意味着卷积后的特征图中有对于识别物体不必要的冗余信息。

观察上图，我们之前就提到过，卷积神经网络可以将不同位置的相同物体给识别成同一个物体，在这里就给体现出来了。我们看到第一行三个图片中，目标物体（黑色标注）在图片的不同位置，它们经过卷积之后，得到了第二行的三个特征图，我们再将特征图进行最大池化，发现池化后的压缩结果都为3，将其识别为了同一个特征，其余的噪声影响都被处理了。

3. 池化层操作方法：

与卷积层类似，池化层运算符由一个固定形状的窗口组成，该窗口根据其步幅大小在输入的所有区域上滑动，为固定形状窗口（有时称为 池化窗口）遍历的每个位置计算一个输出。 然而，不同于卷积层中的输入与卷积核之间的互相关计算，池化层不包含参数。

4. 全连接层

当抓取到足以用来识别图片的特征后，接下来的就是如何进行分类。 全连接层（也叫前馈层）就可以用来将最后的输出映射到线性可分的空间。 通常卷积网络的最后会将末端得到的长方体平摊(flatten)成一个长长的向量，并送入全连接层配合输出层进行分类。

四、感受野

在卷积神经网络中，感受野（Receptive Field）是一个核心概念，它指的是网络中每一层输出的特征图（feature map）上的像素点在输入图片上映射的区域大小。换句话说，感受野描述了某一层神经元所“看到”的输入图像的区域范围。

例如图片是3通道：

卷积核为3个7 x 7的，则卷积核所需要的参数个数为：3 x (3 x 7 x 7)=441个

卷积核为3个3 x 3的3层，则卷积核所需要的参数个数为：3 x (3 x 3 x 3)+3 x (3 x 3 x 3) +3 x (3 x 3 x 3) =243个

同样的效果，后者需要调整的参数更小，自然使用后者更好啦！

总结

本篇介绍了卷积神经网络的结构以及它的优点：

1. 卷积神经网络能够将变换的物体识别出来。
2. 卷积神经网络的结构：由输入层、卷积层、激活层、池化层、全连接层、输出层组成。
3. 什么是感受野。