什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）-Toy模板网

这篇具有很好参考价值的文章主要介绍了什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

先看卷积是啥，url: https://www.bilibili.com/video/BV1JX4y1K7Dr/?spm_id_from=333.337.search-card.all.click&vd_source=7a1a0bc74158c6993c7355c5490fc600

下面这个式子就是卷积
什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）,搞明白 CNN 卷积神经网络,神经网络,卷积神经网络
看完了，感觉似懂非懂

下一个参考视频：https://www.youtube.com/watch?v=E5Z7FQp7AQQ&list=PLuhqtP7jdD8CD6rOWy20INGM44kULvrHu

视频1：简单介绍卷积神经网络的意义，以及它的大概原理

先讲一个简单神经网络在图像识别领域里缺点

什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）,搞明白 CNN 卷积神经网络,神经网络,卷积神经网络
如上图，一个 1000 * 1000 的 RGB 图像，这里一共需要 1000 * 1000 * 3 = 三百万个输入神经元

随后，它的第一个隐藏层包含 1000 个神经元。这样来看，输入层和第一个隐藏层之间的边（连接）一共有三百万 * 1000 = 三十亿

这是一个非常大的数字，如果我们要去训练这样的一个权重矩阵，将会耗费巨大的时间

此外，过量的参数和过大的权重矩阵通常也意味着过拟合

这就是为什么需要卷积神经网络，它在图像识别和视频识别领域要远强于简单的神经网络

卷积神经网络的思想如下：
使用 filters(滑动窗口) 去提取图像中的特征。
图像有一个特性，就是它会有边、形状、颜色。
CNN 的 filters 的任务就是检测图像里的上述特征，如下图

什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）,搞明白 CNN 卷积神经网络,神经网络,卷积神经网络

上图使用两个filter 去提取图像特征，分别是提取水平边和垂直边。filter(滑动窗口)的大小仅仅为 3* 3 = 9 像素

卷积神经网络中的单层神经元会使用大量这样的 filters

这些 filters 可能会检测我们图像里的边，随后这些边传给更深的隐藏层，这些隐藏层可能会检测出人脸的局部特征。、

再更深层的神经网络则可能会检测出整张人脸。接着这些人脸特征可以和一个 label “人类” 联系起来，从而帮助我们检测到人类。

这里减少的开销：三十亿参数 -> 很少的参数增加的开销：sliding window

视频2：CNN 中的卷积操作到底是什么？

什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）,搞明白 CNN 卷积神经网络,神经网络,卷积神经网络
如上图，卷积其实就是拿一个 3*3 的矩阵去乘以图像矩阵，具体请看视频 3:35

什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）,搞明白 CNN 卷积神经网络,神经网络,卷积神经网络
为什么卷积操作能够提取图像特征？如图所示，棕色的卷积矩阵可以提取灰度图中的垂直边，具体请看 5:05

什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）,搞明白 CNN 卷积神经网络,神经网络,卷积神经网络
相应的，提取垂直边的是上面的卷积矩阵，提取水平边的是下面的卷积矩阵（或者叫做 filter）

什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）,搞明白 CNN 卷积神经网络,神经网络,卷积神经网络
遇到 RGB 图怎么办呢？简单，我们也用一个乘以3 的 filter （也就是一共 27 个值）去做卷积，随后产出一个特征图

什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）,搞明白 CNN 卷积神经网络,神经网络,卷积神经网络

我们用多少个 filter 就会产出多少个特征图。

这里提示一下，filter 里的值实际上就是卷积神经网络里的参数，它们通常由训练得来。

视频3：卷积神经网络中的 padding ，为什么需要 padding?

之前介绍的 CNN 有两个限制。

限制1：经过卷积操作后，图像会变小，也就说经过了很多层卷积后，图像可能变得非常小，丢掉很多信息。如下图

什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）,搞明白 CNN 卷积神经网络,神经网络,卷积神经网络
限制2：角落的像素没有收到足够多的关注。如下图。

左上角的 pixel 在做卷积操作的时候只会参与一次，而中心的 pixel 则会参与多次

解决方案就是给图像加上 padding，我们可以加一层 padding，也可以加两层三层，下图展示加一层 padding 的情形

什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）,搞明白 CNN 卷积神经网络,神经网络,卷积神经网络
从上图可以看到，加了 padding 之后，产出的图像是 6*6，尺寸和原图一样

此外，左上角的 pixel 也参与了多次卷积操作

什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）,搞明白 CNN 卷积神经网络,神经网络,卷积神经网络
如上图，一般来说，卷积操作有两种选择：

Valid 。不使用任何 padding
Same。卷积后产出的特征图，尺寸和原图一样。

一般而言，filter滑动窗口的边长会使用奇数，否则，padding 需要使用非对称 padding文章来源地址https://www.toymoban.com/news/detail-716012.html

到了这里，关于什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

什么是 CNN? 卷积神经网络？怎么用 CNN 进行分类？（1）

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

支付宝扫一扫领取红包，优惠每天领

二维码1

二维码2

什么是 CNN? 卷积神经网络？ 怎么用 CNN 进行分类？（1）

相关文章