0a7f88c514
|
||
|---|---|---|
| .. | ||
| lab | ||
| CNN_Architectures.md | ||
| README.md | ||
README.md
卷积神经网络
我们之前已经看到，神经网络在处理图像方面表现得相当不错，即使是单层感知机也能够以较高的准确率识别 MNIST 数据集中的手写数字。然而，MNIST 数据集非常特殊，所有的数字都被居中放置在图像中，这使得任务变得更简单。
课前测验
在现实生活中，我们希望能够识别图片中的物体，而不受它们在图像中具体位置的影响。计算机视觉与通用分类不同，因为当我们试图在图片中找到某个特定物体时，我们实际上是在扫描图像，寻找某些特定的模式及其组合。例如，当寻找一只猫时，我们可能会先寻找水平线条，这些线条可能形成胡须，然后某种胡须的组合可以告诉我们这是一只猫。某些模式的相对位置和存在性很重要，而它们在图像中的具体位置则不那么重要。
为了提取这些模式，我们将使用卷积滤波器的概念。正如你所知，图像可以用二维矩阵或带有颜色深度的三维张量表示。应用滤波器意味着我们使用一个相对较小的滤波核矩阵，并对原始图像中的每个像素与其邻近点进行加权平均。我们可以将其视为一个小窗口在整个图像上滑动，并根据滤波核矩阵中的权重对所有像素进行平均。
 |
 |
|---|
图片由 Dmitry Soshnikov 提供
例如，如果我们对 MNIST 数字应用 3x3 的垂直边缘和水平边缘滤波器，我们可以在原始图像中有垂直和水平边缘的地方得到高亮（例如高值）。因此，这两个滤波器可以用来“寻找”边缘。同样，我们可以设计不同的滤波器来寻找其他低级模式：
然而，尽管我们可以手动设计滤波器来提取某些模式，我们也可以设计网络，使其能够自动学习这些模式。这正是 CNN 背后的主要思想之一。
CNN 的主要思想
CNN 的工作原理基于以下几个重要思想：
- 卷积滤波器可以提取模式
- 我们可以设计网络，使滤波器能够自动训练
- 我们可以使用相同的方法来发现高级特征中的模式，而不仅仅是原始图像中的模式。因此，CNN 的特征提取是基于特征的层次结构，从低级像素组合开始，到更高级的图像部分组合。
图片来自 Hislop-Lynch 的论文，基于他们的研究
✍️ 练习：卷积神经网络
让我们继续探索卷积神经网络的工作原理，以及如何通过相应的笔记本实现可训练的滤波器：
金字塔架构
大多数用于图像处理的 CNN 都遵循所谓的金字塔架构。应用于原始图像的第一个卷积层通常具有相对较少的滤波器（8-16 个），这些滤波器对应于不同的像素组合，例如水平/垂直线条或笔画。在下一层中，我们减少网络的空间维度，并增加滤波器的数量，这对应于更多简单特征的可能组合。随着每一层的推进，向最终分类器靠近，图像的空间维度逐渐减小，而滤波器的数量逐渐增加。
例如，让我们看一下 VGG-16 的架构，这是一种在 2014 年 ImageNet 的 top-5 分类中实现了 92.7% 准确率的网络：
图片来自 Researchgate
最著名的 CNN 架构
免责声明：
本文档使用AI翻译服务 Co-op Translator 进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。应以原始语言的文档作为权威来源。对于关键信息，建议使用专业人工翻译。因使用本翻译而引起的任何误解或误读，我们概不负责。