【深度学习】常见模型-卷积神经网络（Convolutional Neural Networks, CNN）

卷积神经网络（CNN）

概念简介

卷积神经网络（Convolutional Neural Networks, CNN）是一种专门用于处理数据具有网格状拓扑结构（如图像、语音）的深度学习模型。它通过卷积操作从输入数据中提取局部特征，并逐层构建更复杂的特征表示，广泛应用于图像分类、目标检测、语音识别等领域。

---

关键组成部分

1. 卷积层（Convolutional Layer）

   • 使用卷积核（滤波器）在输入上滑动，提取局部特征。
   • 每个卷积核会学习一个特定的特征，例如图像的边缘、纹理等。

2. 激活函数（Activation Function）

   • 常用 ReLU 激活函数，使模型具有非线性能力。
   • 如：ReLU(x)=max⁡(0,x)\text{ReLU}(x) = \max(0, x)ReLU(x)=max(0,x)

3. 池化层（Pooling Layer）

   • 减少特征图的维度，降低计算复杂度，同时保留主要特征。
   • 常见方法：最大池化（Max Pooling）和平均池化（Average Pooling）。

4. 全连接层（Fully Connected Layer, FC Layer）

   • 将提取到的特征展平并输入到全连接神经网络，用于分类或回归任务。

5. 损失函数（Loss Function）

   • 衡量预测值与真实值之间的差异，指导模型更新参数。
   • 常用：交叉熵损失（分类）或均方误差（回归）。

---

CNN 工作流程

1. 输入图像（如 28 × 28 的灰度图片）。
2. 通过多层卷积操作提取局部特征。
3. 经过池化层压缩特征图的尺寸。
4. 多次迭代后，提取高层语义特征。
5. 最后通过全连接层输出预测结果。

---

代码示例

以下是使用 Keras 实现简单 CNN 的示例：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

# 构建模型
model = Sequential([
    # 卷积层 + 激活函数
    Conv2D(filters=32, kernel_size=(3, 3), activation='relu', input_shape=(28, 28, 1)),
    # 池化层
    MaxPooling2D(pool_size=(2, 2)),

    # 第二个卷积层
    Conv2D(filters=64, kernel_size=(3, 3), activation='relu'),
    MaxPooling2D(pool_size=(2, 2)),

    # 展平层
    Flatten(),
    # 全连接层
    Dense(units=128, activation='relu'),
    # 输出层
    Dense(units=10, activation='softmax')  # 假设输出为 10 个类别
])

# 编译模型
model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

# 查看模型结构
model.summary()

输出结果 

Model: "sequential"
_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 conv2d (Conv2D)             (None, 26, 26, 32)        320       
                                                                 
 max_pooling2d (MaxPooling2  (None, 13, 13, 32)        0         
 D)                                                              
                                                                 
 conv2d_1 (Conv2D)           (None, 11, 11, 64)        18496     
                                                                 
 max_pooling2d_1 (MaxPoolin  (None, 5, 5, 64)          0         
 g2D)                                                            
                                                                 
 flatten (Flatten)           (None, 1600)              0         
                                                                 
 dense (Dense)               (None, 128)               204928    
                                                                 
 dense_1 (Dense)             (None, 10)                1290      
                                                                 
=================================================================
Total params: 225034 (879.04 KB)
Trainable params: 225034 (879.04 KB)
Non-trainable params: 0 (0.00 Byte)
_________________________________________________________________

---

特点

• 参数共享：通过卷积核共享参数，降低模型复杂度。
• 空间不变性：卷积操作具有平移不变性，适合图像任务。
• 局部连接：仅连接相邻像素，减少计算负担。

---

应用场景

1. 图像分类：如手写数字识别（MNIST 数据集）。
2. 目标检测：如 YOLO、Faster R-CNN。
3. 语义分割：如自动驾驶中的道路标记。
4. 医疗图像处理：如肿瘤检测。
5. 风格迁移：如图像艺术化处理。

---

优缺点

优点：

• 能有效提取图像、语音等数据的局部特征。
• 参数少、计算高效。
• 易于扩展和组合。

缺点：

• 对小数据集可能过拟合，需要数据增强或正则化。
• 对时间序列数据不适用（适合使用 RNN 或 Transformer）。

CNN 是深度学习领域的一项革命性方法，其强大的特征提取能力让其成为许多视觉任务的首选工具。