图像卷积操作

目录

一、互相关运算

二、卷积层

三、图像中目标的边缘检测

四、学习卷积核

五、特征映射和感受野


一、互相关运算

       严格来说,卷积层是个错误的叫法,因为它所表达的运算其实是互相关运算(cross-correlation),而不是卷积运算。在卷积层中,输入张量和核张量通过互相关运算产生输出张量。

       首先,我们暂时忽略通道(第三维)这一情况,看看如何处理二维图像数据和隐藏表示。在 下图中,输入是高度为 $3$、宽度为 $3$ 的二维张量(即形状为 $3 \times 3$ )。卷积核的高度和宽度都是 $2$,而卷积核窗口(或卷积窗口)的形状由内核的高度和宽度决定(即 $2 \times 2$ )。

图像卷积操作_第1张图片

       在二维互相关运算中,卷积窗口从输入张量的左上角开始,从左到右、从上到下滑动。当卷积窗口滑动到新一个位置时,包含在该窗口中的部分张量与卷积核张量进行按元素相乘,得到的张量再求和得到一个单一的标量值,由此我们得出了这一位置的输出张量值。

       在如上例子中,输出张量的四个元素由二维互相关运算得到,这个输出高度为 $2$、宽度为 $2$,如下所示:

$ 0\times 0+1\times 1+3\times 2+4\times 3=19, $$ $$ 1\times 0+2\times 1+4\times 2+5\times 3=25, $$ $$ 3\times 0+4\times 1+6\times 2+7\times 3=37, $$ $$ 4\times 0+5\times 1+7\times 2+8\times 3=43. $

       注意,输出大小略小于输入大小。这是因为卷积核的宽度和高度大于1,而卷积核只与图像中每个大小完全适合的位置进行互相关运算。所以,输出大小等于输入大小 $n_h \times n_w$ 减去卷积核大小 $k_h \times k_w$ 加 $1$,即:

$(n_h-k_h+1) \times (n_w-k_w+1).$

       接下来,我们在`corr2d`函数中实现如上过程,该函数接受输入张量`X`和卷积核张量`K`,并返回输出张量`Y`。

import torch
from torch import nn
from d2l import torch as d2l
def corr2d(X, K):
    """计算二维互相关运算"""
    h, w = K.shape
    Y = torch.zeros((X.shape[0] - h + 1, X.shape[1] - w + 1))   # 先算出输出张量的形状并初始化为0
    for i in range(Y.shape[0]):
        for j in range(Y.shape[1]):
            Y[i, j] = (X[i:i + h, j:j + w] * K).sum()   # 输出张量的每一个元素都是X与K经过某种计算得到的
    return Y    # 返回二维互相关运算后的结果Y

       我们来验证上述二维互相关运算的输出。

X = torch.tensor([[0.0, 1.0, 2.0], [3.0, 4.0, 5.0], [6.0, 7.0, 8.0]])
K = torch.tensor([[0.0, 1.0], [2.0, 3.0]])
print(corr2d(X, K))
tensor([[19., 25.],
        [37., 43.]])

二、卷积层

       卷积层对输入和卷积核权重进行互相关运算,并在添加标量偏置之后产生输出。所以,卷积层中的两个被训练的参数是卷积核权重和标量偏置,如下图所示。就像我们之前随机初始化全连接层一样,在训练基于卷积层的模型时,我们也随机初始化卷积核权重。

图像卷积操作_第2张图片

       基于上面定义的`corr2d`函数实现二维卷积层。在`__init__`构造函数中,将`weight`和`bias`声明为两个模型参数。前向传播函数调用`corr2d`函数并添加偏置。

class Conv2D(nn.Module):
    def __init__(self, kernel_size):
        super().__init__()
        self.weight = nn.Parameter(torch.rand(kernel_size))
        self.bias = nn.Parameter(torch.zeros(1))

    def forward(self, x):
        return corr2d(x, self.weight) + self.bias

       高度和宽度分别为 $h$ 和 $w$ 的卷积核可以被称为 $h \times w$ 卷积或 $h \times w$ 卷积核。我们也将带有 $h \times w$ 卷积核的卷积层称为 $h \times w$ 卷积层。

三、图像中目标的边缘检测

       如下是卷积层的一个简单应用:通过找到像素变化的位置,来检测图像中不同颜色的边缘。

       首先,我们构造一个 $6\times 8$ 像素的黑白图像。中间四列为黑色($0$),其余像素为白色($1$)。

X = torch.ones((6, 8))
X[:, 2:6] = 0
print(X)
tensor([[1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.],
        [1., 1., 0., 0., 0., 0., 1., 1.]])

       接下来,我们构造一个高度为 $1$、宽度为 $2$ 的卷积核`K`。当进行互相关运算时,如果水平相邻的两元素相同,则输出为零,否则输出为非零。

K = torch.tensor([[1.0, -1.0]])

       现在,我们对参数`X`(输入)和`K`(卷积核)执行互相关运算。如下所示,输出`Y`中的1代表从白色到黑色的边缘,-1代表从黑色到白色的边缘,其他情况的输出为0。

Y = corr2d(X, K)
Y
tensor([[ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.],
        [ 0.,  1.,  0.,  0.,  0., -1.,  0.]])

       现在我们将输入的二维图像转置,再进行如上的互相关运算。其输出如下,之前检测到的垂直边缘消失了。不出所料,这个卷积核`K`只可以检测垂直边缘,无法检测水平边缘。

corr2d(X.t(), K)
tensor([[0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.]])

四、学习卷积核

       如果我们只需寻找黑白边缘,那么以上`[1, -1]`的边缘检测器足以。然而,当有了更复杂数值的卷积核,或者连续的卷积层时,我们不可能手动设计滤波器。那么我们可以学习由`X`生成`Y`的卷积核。

       现在让我们看看是否可以通过仅查看“输入-输出”对来学习由`X`生成`Y`的卷积核。我们先构造一个卷积层,并将其卷积核初始化为随机张量。接下来,在每次迭代中,我们比较`Y`与卷积层输出的平方误差,然后计算梯度来更新卷积核。为了简单起见,我们在此使用内置的二维卷积层,并忽略偏置。

# 构造一个二维卷积层,它具有1个输入通道、1个输出通道和形状为(1,2)的卷积核
conv2d = nn.Conv2d(1, 1, kernel_size=(1, 2), bias=False)    # 因为我们前面用的是二维互相关运算corr2d()由X生成的Y,因此不需要bias

# 这个二维卷积层使用四维输入和输出格式(批量大小、通道、高度、宽度),
# 其中批量大小和通道数都为1
X = X.reshape((1, 1, 6, 8))
Y = Y.reshape((1, 1, 6, 7))
lr = 3e-2  # 学习率

for i in range(10):
    Y_hat = conv2d(X)
    l = (Y_hat - Y) ** 2    # 使用均方误差
    conv2d.zero_grad()
    l.sum().backward()
    # 迭代卷积核
    conv2d.weight.data[:] -= lr * conv2d.weight.grad    # 手写实现梯度下降
    if (i + 1) % 2 == 0:
        print(f'epoch {i+1}, loss {l.sum():.3f}')
epoch 2, loss 6.422
epoch 4, loss 1.225
epoch 6, loss 0.266
epoch 8, loss 0.070
epoch 10, loss 0.022

       在10次迭代之后,误差已经降到足够低。现在我们来看看我们所学的卷积核的权重张量。

conv2d.weight.data.reshape((1, 2))
tensor([[ 1.0010, -0.9739]])

       我们学习到的卷积核权重非常接近我们之前定义的卷积核`K`。

五、特征映射和感受野

       下图中输出的卷积层有时被称为特征映射(feature map),因为它可以被视为一个输入映射到下一层的空间维度的转换器。

图像卷积操作_第3张图片

       在卷积神经网络中,对于某一层的任意元素 $x$,其感受野(receptive field)是指在前向传播期间可能影响 $x$ 计算的所有元素(来自所有先前层)。

       请注意,感受野可能大于输入的实际大小。让我们用上图为例来解释感受野:给定 $2 \times 2$ 卷积核,阴影输出元素值 $19$ 的感受野是输入阴影部分的四个元素。假设之前输出为 $\mathbf{Y}$,其大小为 $2 \times 2$,现在我们在其后附加一个卷积层,该卷积层以 $\mathbf{Y}$ 为输入,输出单个元素$z$。在这种情况下,$\mathbf{Y}$ 上的 $z$ 的感受野包括 $\mathbf{Y}$ 的所有四个元素,而输入的感受野包括最初所有九个输入元素。

       因此,当一个特征图中的任意元素需要检测更广区域的输入特征时,我们可以构建一个更深的网络。

你可能感兴趣的:(DeepLearning,深度学习,人工智能,卷积神经网络,互相关运算,感受野,特征映射,卷积层)