今天給大家講一下卷積神經(jīng)網(wǎng)絡(luò)，主要包括四個(gè)部分：卷積神經(jīng)網(wǎng)絡(luò)的歷史、全連接層、卷積層和池化層。

CNN的英文全稱是Convolutional Neural Network，雛形是LeCun在1998年發(fā)明的LeNet網(wǎng)絡(luò)結(jié)構(gòu)。

LeNet網(wǎng)絡(luò)架構(gòu)

那么到底什么是神經(jīng)網(wǎng)絡(luò)呢？應(yīng)該說只要帶有卷積層的就可以被叫做卷積神經(jīng)網(wǎng)絡(luò)。

神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史

1986年：Rumelhart和Hinton等人提出了反向傳播（Back Propagation）算法。

1998年：LeCun基于BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練了LeNet網(wǎng)絡(luò)，標(biāo)志著CNN的真正面世。

2006年：Hinton在他們的Science Paper中首次提出了Deep Learning的概念。

2012年：其實(shí)在2006年Hinton提出深度神經(jīng)網(wǎng)絡(luò)之后，受到了很多的質(zhì)疑，但是在2012年Hinton的學(xué)生Alex Krizhevsky在寢室用GPU死磕了一個(gè)Deep Learning模型，一舉拿下了計(jì)算機(jī)視覺TOP領(lǐng)域ILSVRC 2012的冠軍，在百萬量級(jí)的ImageNet數(shù)據(jù)集合上，效果大幅度的超過了傳統(tǒng)的方法，準(zhǔn)確率從70%提升到80%。

全連接層

其實(shí)全連接層就是模仿大腦的神經(jīng)元結(jié)構(gòu)，我們可以看到：

輸出值 = 輸入值x經(jīng)過加權(quán)w之后累加的結(jié)果再經(jīng)過激勵(lì)函數(shù)。形式化為：

那么我們將神經(jīng)元按列進(jìn)行排列，列與列之間進(jìn)行全連接，就得到了一個(gè)BP神經(jīng)網(wǎng)絡(luò)。

BP神經(jīng)網(wǎng)絡(luò)算法包括信號(hào)的前向傳播和誤差的反向傳播兩個(gè)過程。即計(jì)算誤差輸出時(shí)按從輸入到輸出的方向進(jìn)行，而調(diào)整權(quán)值和閾值則從輸出到輸入的方向進(jìn)行。

下面我們來看一個(gè)實(shí)例來了解一下BP神經(jīng)網(wǎng)絡(luò)。

實(shí)例：利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)字識(shí)別

我們拿到一張圖片，例如上邊第一張圖所示拿到的是0，這張圖是由若干像素組成，每個(gè)像素有RGB三個(gè)通道，然后經(jīng)過灰度化后變成第二張圖片，然后將灰度化后的圖片進(jìn)行二值化得到第三張圖片。

之后我們對(duì)圖片進(jìn)行概率處理，例如第一個(gè)框中白色塊/全部塊 = 0.2，經(jīng)過相應(yīng)的策略處理之后第一個(gè)數(shù)值為0.2。以此類推，可以得到上圖右邊的矩陣。

然后我們對(duì)這個(gè)矩陣進(jìn)行維度變換和處理，將其變?yōu)?*n的行向量，這樣處理之后的形式可以使得神經(jīng)網(wǎng)絡(luò)更好的輸入處理。

我們知道神經(jīng)網(wǎng)絡(luò)如何輸入了，那么最后應(yīng)該輸出什么才可以更好的辨別數(shù)字呢？One-Hot編碼！

也就是說，每個(gè)數(shù)字都對(duì)應(yīng)一個(gè)編碼，如果輸入1000000000，則判定為數(shù)字0，以此類推。

既然有了輸入，也有了輸出，我們就可以通過神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行訓(xùn)練了。

首先將輸入層的神經(jīng)元數(shù)設(shè)置為25個(gè)節(jié)點(diǎn)，將輸出層設(shè)置為10個(gè)節(jié)點(diǎn)，將上邊1*n的向量輸入到BP神經(jīng)網(wǎng)絡(luò)中，然后經(jīng)過隱藏層最后到輸出層onehot編碼，輸出層通過softmax激活函數(shù)可以得到每個(gè)數(shù)字出現(xiàn)的概率，即可識(shí)別數(shù)字。

卷積層

到底什么是卷積層？之前的文章中講過了，有興趣的可以直接查看。

漫畫：卷積神經(jīng)網(wǎng)絡(luò)中的卷積核到底是什么？

漫畫：卷積神經(jīng)網(wǎng)絡(luò)為什么適合處理圖片數(shù)據(jù)？

干貨 | 如何入手卷積神經(jīng)網(wǎng)絡(luò)

在卷積層的講解中，想問大家一個(gè)問題，卷積核如果越界了應(yīng)該如何處理？例如下面這樣：

假設(shè)用這么一個(gè)矩陣，我們使用3*3的滑動(dòng)窗口，步長(zhǎng)為2，則出現(xiàn)下面這種情況應(yīng)該如何處理？

我們可以對(duì)其進(jìn)行使用Padding對(duì)其進(jìn)行補(bǔ)0處理，如下所示：

在卷積操作過程中，矩陣經(jīng)過卷積操作之后大小由下面幾個(gè)因數(shù)決定：

•  輸入圖像大小W*W
•  Filter大小F*F
•  步長(zhǎng)S
•  padding的像素?cái)?shù)P

經(jīng)過卷積后的矩陣尺寸大小是有一個(gè)規(guī)律的，那么給大家一個(gè)通用的公式：

N=(W-F+2P)/S+1

池化層

為什么要存在池化層？因?yàn)楫?dāng)前的輸入數(shù)據(jù)太大，有很多冗余信息，那么我們就要想辦法對(duì)圖像矩陣進(jìn)行下采樣，對(duì)特征圖進(jìn)行稀疏處理，減少數(shù)據(jù)運(yùn)算量。下面通過MaxPooling下采樣來給大家看一下到底什么是池化層。

上圖中紅色部分的值為1 1 5 6，我們使用的是MaxPooling，所以取最大值，則右圖中紅色部分為max(1,1,5,6)=6，以此類推，即可得到下采樣結(jié)果。

類似于最大下采樣，同樣也有平均下采樣層，如下圖所示：

為了大家更好的理解和使用池化層，我總結(jié)了池化層的三個(gè)特點(diǎn)：

•  沒有訓(xùn)練參數(shù)
•  只會(huì)改變特征矩陣的w和h，不改變channel
•  一般pool size和卷積核的stride相同

今天講的是卷積神經(jīng)網(wǎng)絡(luò)的整體架構(gòu)基礎(chǔ)，包括神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史、全連接層、卷積層和池化層，謝謝大家閱讀~