Press "Enter" to skip to content

CS231n笔记:通俗理解CNN

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

卷积神经网络的层级结构

 

cs231n 课程里给出了卷积神经网络各个层级结构,如下图:

上图中CNN要做的事情是:给定一张图片,是车是马还是飞机未知,现在需要模型判断这张图片里具体是一个什幺东西

 

最左边是

数据输入层,对数据做一些处理,比如去均值(把输入数据各个维度都中心化为0,避免数据过多偏差,影响训练效果)、归一化(把所有的数据都归一到同样的范围)、PCA/白化等等。CNN只对训练集做“去均值”这一步

中间是

CONV:卷积层(Convolutional Layer),线性乘积求和
RELU:激励层,ReLU是激活函数的一种
POOL:池化层(Pooling Layer),简言之,即取区域平均值或最大(最小)值

最右边是

FC:全连接层(Fully-Connected Layer)

卷积计算过程

 

对图像(不同的数据窗口数据)和滤波矩阵(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 『』 操作,也是卷积神经网络的名字来源

 

举个具体的例子。比如下图中,图中左边部分是原始输入数据,图中中间部分是滤波器filter,图中右边是输出的新的二维数据,右上角是具体的计算过程

在下图对应的计算过程中,左边是图像输入,中间部分就是滤波器filter(带着一组固定权重的神经元),不同的滤波器filter会得到不同的输出数据,比如颜色深浅、轮廓等。如果想提取图像的不同特征,则可以用不同的滤波器

 

 

在CNN中,滤波器filter(带着一组固定权重的神经元)对局部输入数据进行卷积计算。每计算完一个数据窗口内的局部数据后,数据窗口不断平移滑动,直到计算完所有数据。这个过程中,有这幺几个参数:

深度depth:即神经元个数,决定输出的depth厚度。同时代表滤波器个数
步长stride:决定滑动多少步可以到边缘
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

CS231n课程中有一张卷积动图

 

 

从图中可以看到:

有两个神经元,即两个滤波器,depth=2
数据窗口每次移动2个步长,取3*3的局部数据,即stride=2
zero-padding=1

然后分别以两个滤波器filter为轴滑动数组进行卷积计算,得到两组不同的结果

左边是输入(7*7*3中,7*7代表图像的长宽,3代表RGB三个颜色通道)
中间部分是两个不同的滤波器Filter w0、Filter w1
最右边则是两个不同的输出

随着左边数据窗口的平移滑动,滤波器Filter w0 / Filter w1对不同的局部数据进行卷积计算

 

值得一提的是:左边数据在变化,每次滤波器都是针对某一局部的数据窗口进行卷积,这就是所谓的CNN中的 局部感知 机制。打个比方,滤波器就像一双眼睛,人类视角有限,一眼望去,只能看到这世界的局部。如果一眼就看到全世界,你会累死,而且一下子接受全世界所有信息,你大脑接收不过来

 

与此同时,数据窗口滑动,导致输入在变化,但中间滤波器Filter w0的权重(即每个神经元连接数据窗口的权重)是固定不变的,这个权重不变即所谓的CNN中的 参数()共享 机制

 

最后提一点,从图上我们可以看到,每个filter下面都有一个bias,因此要在原来的内积计算结束后,再加上这个bias,得到最终的对应位置值

Be First to Comment

发表评论

邮箱地址不会被公开。 必填项已用*标注