【深度学习】CNN卷积神经网络-识别阿喵阿汪(上)

卷积神经网络(Convolutional Neural Networks / CNN)

CNN是干什么的,我只会说图像识别的一个框架，流行&强大
关于CNN的介绍等，刨他祖坟的一些没用的，看了就忘的原理，不在此赘述，请自行Google。

---

这里只有干货！

---

先来看一张欧美，图片里的人是在向右看还是向前看？

是不是当你注视鼻子时，是向右的；注视脸左边的轮廓时，是向左的。
大脑在图像识别的时候，会反复寻找特征，特征不同的时候，识别的结果也会变复杂。
不同的特征是矛盾和冲突的，下面这个有名的图片，是可以看出两个不同的结果的，一是看向后方远处的是一个年轻的女孩；二是看向你的是一个是有皱纹的老太太(我没看粗来。是我的大脑有问题吗？？？)

下面这个图片是不是也像鸭子，也像兔子…

看下面的图流鼻血了吗？能准确他的眼睛和鼻子和嘴吗？ 这就说明看图片时，是不仅仅看一个点的，而是采取一部分的特征

来看一个卷积神经网络的分类结果，我的分类结果是豹子

而神经网络的分类结果，第一名是cheetah猎豹，第二是leopard豹子，第三是雪豹，第四是埃及猫，怎么样，是不是比人类准！

---

**

1.大体结构

**

---

图片输入 --> CNN --> 图片结果/类别
那，图片是什么？ 怎么表示？

图片可以用 分辨率 X 分辨率 的形式来表示
比如2 X 2px

• 其实就是一个二维矩阵
• 每一个数都属于[0,255]，每一张黑白图片是一个二维矩阵
• 彩色图片则是由三个叠加的二维矩阵来表示。就是一个三维矩阵，每一层还是2 X 2
  
  上面的笑脸，可以简单地用一个7 X 7的矩阵图来表示，假设白色为0，黑色为1，那么数字化之后便成为了右边的7 X 7 矩阵，当遇到更复杂的图片的时候，矩阵的维度将会变得更大，每一个数也会是[0,255]

2.内部结构

2.1卷积 Convolution

先介绍一个过滤器 filter/特征探测器feature detector/核 kernel
一般是3 X 3 / 4 X 4 / 5 X 5 的矩阵，我们随机选取一个3 X 3的过滤器(称为Ag)来举栗子
取图片的一部分，使其维度大小跟过滤器一样，称为矩阵At，得到的特征图的矩阵的第[1,1]的值就是Ag与At的点积，也是数量积(即 SUM( A[i,j] * A[i,j]) )
接下来，将At右移一列，便可以得到特征图的第[1,2]的值，以此类推，得到特征图的所有值。
因为At移动五次变无法移动了，所以特征图在这个例子中是5 X 5矩阵

最后的结果如下图，虽然维度变小，丢失了一部分信息，但是这并不重要，这也正好是卷积的目的。
因为过滤器存储着每一个特征的信息，应用时它，得到的结果就是这个图片以什么样的形式展示了过滤器存储的特征，特征图上的数字都隐含了原先图片上一部分的跟特征的吻合程度，一层卷积过后，图像变得更加抽象，卷积的层数有时候不仅仅只有一层。

上面的例子，At每次只移动一列，记作步频为1，我们可以设置步频为2，那么得到的特征图的维度将会变得更小。

下面的图的意思就是，每一层的卷积，都会有不同的过滤器，每一个过滤器对应一个特征图

看，神经网络的奠基人之一，经过过滤器之后，被灰了

2.1.1线性整流激活层

将卷积层得到的值，直接扔进线性整流层，会增加整个网络的非线性性。我们可以这么认为：仅仅通过卷积层是线性，增加线性整流卷积层之后，会增加网络的训练效率，效果也会变得更好。

2.2最大池化 Max Pooling

最大池化就是将卷积层得到的特征图，经过一个2 X 2的矩阵选取该矩阵的最大值，上图第一步的值就是2
下面是第三步，不要有疑问，就是这样取两个的最大值就可以

以此类推，结果如下图所示。

起决定性影响是该部分的最大值，发现问题了吗，是不是特征经过最大池化之后，被放大了？
最后呢，网络渐渐地变得完整了…

2.3扁平化 Flattening

池化后的特征图 - > 将矩阵变成一列向量，没有数学上的运算！ 看图！不用多说！

池化层之后的特征图，通过扁平化，所有的变量变成了一排很长的自变量。

2.4全连接 Full connection

全连接层将输入和输出一一的相连接起来，构建起了人工神经网络。

下面，那我们要对阿喵阿汪的图片就行分类，设置神经网络有两个隐含层，输出层有两个，分别都是阿喵阿汪预测的概率。
图片中有五步重要训练预测的步骤，请详细阅读！
更新时，也会将前面特征探测器中的我们自己设置的参数就行更新，好处是，找到更加理想的特征，没有用处的特征也会慢慢的被丢弃。
经过多次的更新迭代，就可以得出比较理想的预测值了。
隐藏层的最后一层神经元是比较重要的，因为他们直接导致了输出层的数值，也就说明里面包含了非常抽象的特征，尤其是经过很多次迭代，人抽象到类已经无法进行辨别的程度，但这也是神经网络的强大之处！

3.总结

• 首先将图片输入
• 经过Convolutional Layer卷积层，里面会有很多的特征图，是输入图片经过特征探测器生成的图片，在此基础上可以加上线性激活整流层，增加非线性性
• 接下来，Pooling池化层，得到维度更小的特征图，可以有效地减少网络中的参数、自变量，可以最大限度的控制过拟合。在应用中，我们会增加多层的卷积、池化层，更有效的抓住抽象的特征
• 池化后的自变量，转入扁平层，进入神经网络
• 进行训练，预测

---

点击 ->下面就将进入，识别阿喵阿汪的实战了！

---