爱站程序员基地一. 概述
- CNN网络
- CNN网络通常用于图像的特征提取
- 组成部分
- 通常包含卷积层、池化层等
二. 边缘检测示例
- 什么是边缘检测？
- 即对图像的边缘信息进行提取
- 如下图，是对图片的垂直边缘检测和水平边缘检测
- 如何实现边缘检测？
- 就是利用CNN网络中的卷积层进行计算
- 什么是卷积计算？
- 这里以简单的二维向量举例（如下图）
- 其中6×6代表待处理的输入，比如图片；3×3代表的是滤波器；计算结果为4×4的矩阵；其中 ∗*∗代表的是卷积操作
- 计算过程是将3×3的矩阵与图片中对应的3×3的部分的每个元素相乘再相加，如图得到第一个输出 -5 ；然后依次向右移动，再向下
- 最终的卷积计算结果如下（注意图中不同颜色方框所框住的内容）
- 为什么卷积计算就可以检测边缘呢？
- 上图是对卷积计算进行一个解释，但是并不能体现出能够实现边缘检测等功能
- 所以这里举一个最简单的实例，看下图
- 假如图片的亮度和数字大小成正比，也就是数字越大，图片越亮；输入的图片黑灰之间有一条分割线需要我们去检测，那么通过卷积操作，这个垂直的地方就被放大了，更加突出
- 滤波器
- 这里想要检测什么特征主要跟滤波器有关
- 如下图，是检测水平和垂直边缘常用的两种滤波器
- 但是上面的滤波器只能检测固定方向的，想要检测其他角度的边缘怎么办呢
- 可以把滤波器里的参数都设置成可变的，通过对模型进行训练得到结果
- 这样得到的滤波器就十分灵活了，会根据参数的调节得到最好的结果
三. Padding（填充）
- 为什么需要Padding？
-
前面的卷积操作可以看到，输入为6×6，滤波器为3×3，得到的结果为4×4；但是这通常不是我们想得到的结果，这样每次卷积之后都变小了；我们更想输入和输出的大小相同，这样更方便计算
-
对输入和输出的维度用式子表示，输入为 n x n，卷积为 f x f，那么结果为（n-f+1）x（n-f+1）
- 如何Padding？
- 就是在输入矩阵的最外围加上一层（这个填充的层数是可以设置的，这里简单起见设置为1 ）
- 假设在填充 1层，那么6×6就变成了8×8
- 抽象为式子就是（n+2* p-f+1）x（n+2* p-f+1） ，当n=6，p=1，f=3，发现结果刚好为6，就实现了输入输出维度一致
四. 卷积步长
- 什么是步长？
- 前面看到，滤波器在输入矩阵上是一次移动一格进行计算，这个也是可以设置的我们可以一次移动两格进计算，那么步长就是2
- 设步长为s，那么计算的式子如下图
五. 三维卷积
- 前面是为了方便使用二维的矩阵进行计算，但是实际计算图片时，图片的输入是三维的；例如一张1080×1080的RGB图片，会有三种原色红、绿、蓝；所以输入的是1080x1080x3的三维张量（这里的3也叫channel数）
- 三维张量如何卷积？
-
如下图，6x6x3的输入和3x3x3的滤波器进行计算得到4×4的结果，发现结果还是二维的；是因为结果中的每个元素是由27个数相加的到的（之前二维的是9个数相加）
-
上面的输入是三维的，输出是二维的，显然不利于后续的计算（这里我们还是希望输入和输出的维度一致）；所以再添加一组3x3x3的滤波器，计算得到4x4x2的结果
-
所以也可以看出来输出结果的最后一维（也就是channel），是由滤波器的组数决定的
-
所以结合一下前面的知识，对原始的输入进行Padding，然后把滤波器的组数设置为3，那么输出维度就是6x6x3了，就和输入维度一致了
-
另外，当设置每一组为不同的滤波器时（比如第一组为水平检测滤波器，第二组为垂直检测滤波器），那么就实现了不同的边缘检测，换句话说，就是提取了不同的特征
六. Pooling（池化）
- 什么是池化？
- 池化是为了减少计算量而设计的
- 如何进行池化？
- 以最大池化为例，就是取2×2格子的最大值，依次取最大值即可，十分简单，也没有参数
- 常见的池化层
- Max Pooling：取最大值
- Average Pooling：取平均值
