机器学习-CNN卷积神经网络整理

【前言】

 为了理解作为机器学习（ML）分支的深度学习（DL），看了很多资料，一直试图找出两者之间比较本质的区别，目前的理解是，机器学习中很重要的步骤是对数据集的“特征提取”，数据集必须足够多，并含有具有“辨识度”的信息；而深度学习中，是从给定的数据集中提取高层次的特征，并将传统的神经网络进行参数化。如果说机器学习的输入是“图像的特征”，那深度学习的输入是“图像的全部像素”，从杂乱的数据中自动学习。因而提供了更大的自由度，也避免了由于特征选取不足导致的算法性能下降。那么深度学习中是怎么得到“特征”呢？就引入了很重要的知识-CNN(卷积神经网络)。

1. 基础

计算机视觉、神经网络等从命名上就能看出是对人的视觉的仿照，记得研究生课题做三维立体图像处理相关时，对人如何感受深度信息（双目视觉）、如何识别物体等看过一些资料，通俗的说，人之所以可以感知三维世界，在于左右眼观看同一物体时，得到有一定视差的两幅图像，经大脑融合，形成立体图像，其实是视差与深度之间的关系。

视觉神经学有以下几个关键点：

1） 人对一张图的识别由多个局部的识别点构成；

2） 人的不同神经员对不同的形状有识别能力，且神经具有叠加能力；

3）高层复杂的图案可以由底层简单的线条组成。

有以上几个特点后，可以想到，在做图像识别（分类）时，可将一整幅图像拆分为若干个局部图，对不同形状特征分别识别后，进行叠加，以上就形成了神经网络的理论基础。

2. 卷积基础

卷积可以模拟不同神经元对不同形状刺激的不同反映，卷积的数学基础网上、书上有很多资料，大多是比较抽象的公式，找到了一个讲解的非常通俗易懂的资料，将卷积形象的简化成一组x+y=n的直线，遍历x+y=n就相当于将一条“毛巾”【卷】起来，非常形象了。【点击打开链接】；另一篇中对卷积做了更进一步的详细解释，包括（f*g）（n）怎么运算：【点击打开链接】。

其实图像处理中卷积的用途很常见，例如对一幅有噪点的图像处理，去噪时，常用opencv相应几种函数：中值滤波、高斯滤波等平滑图像，其原理也是选取n*n尺寸的过滤器对图像进行处理。

3. CNN

之前一直很难理解深度学习中若干个层的含义，经过多个资料的介绍，终于有了比较形象易懂的理解。

以1中的神经学为基础，既然一张图可以分为很多局部图，对于一幅图的处理，可以设置多个过滤器，对不同特征进行筛选匹配，常见的特征如曲线、直线、边缘等等，用相应特征作过滤器，遍历原图，检测原图像素与过滤器之间的匹配程度（求卷积），匹配度越高，得到的卷积结果值越大，不匹配，可能值为0，CNN中将值比较大的情况称为激活映射（activat map）,过滤器越多，激活深度越大，对输入内容越了解。

此时只得到了一些低级特征的映射，可对更高级的特征，如：圆、四边形等做过滤器，或者根据识别对象的具体特征确定特定的过滤器，检测更多高级特征。

神经网络中还有很重要的概念是：权重，通过权重和先前层之间的点积，可以得到不同分类的正确概率。此外，与机器学习的SVM类似，也需要对数据集进行训练和测试。（该部分以后补充）

CNN在计算机视觉中的应用很广泛，特别是手写数字的识别、图像分类、图像分割、图像标记等。在无人驾驶、自然语言处理、机器翻译等方面的应用也很热门。