全卷积网络架构图全卷积和全连接

转载

level 2023-07-13 17:20:44

文章标签 全卷积网络架构图 cnn 人工智能神经网络卷积 文章分类 架构后端开发

CNN 全连接层与卷积层

卷积和全连接关系
卷积取的是局部特征，全连接就是把以前的局部特征重新通过权值矩阵组装成完整的图。
因为用到了所有的局部特征，所以叫全连接

什么是全连接层
全连接层（fully connected layers，FC）在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。在实际使用中，全连接层可由卷积操作实现：对前层是全连接的全连接层可以转化为卷积核为1x1的卷积；而前层是卷积层的全连接层可以转化为卷积核为hxw的全局卷积，h和w分别为前层卷积结果的高和宽。

在 CNN 中，全连接常出现在最后几层，用于对前面设计的特征做加权和。比如 mnist，前面的卷积和池化相当于做特征工程，后面的全连接相当于做特征加权。（卷积相当于全连接的有意弱化，按照局部视野的启发，把局部之外的弱影响直接抹为零影响；还做了一点强制，不同的局部所使用的参数居然一致。弱化使参数变少，节省计算量，又专攻局部不贪多求全；强制进一步减少参数。少即是多）在 RNN 中，全连接用来把 embedding 空间拉到隐层空间，把隐层空间转回 label 空间等

例如经过卷积，relu后得到3x3x5的输出。

那它是怎么样把3x3x5的输出，转换成1x4096的形式？

全卷积网络架构图全卷积和全连接_cnn

很简单,可以理解为在中间做了一个卷积

全卷积网络架构图全卷积和全连接_卷积_02

从上图我们可以看出，我们用一个3x3x5的filter 去卷积激活函数的输出，得到的结果就是一个fully connected layer 的一个神经元的输出，这个输出就是一个值。因为我们有4096个神经元。我们实际就是用4096个3x3x5的卷积层去卷积激活函数的输出。

全连接与卷积的联系

全连接神经网络随着隐藏层和隐藏节点的增加，参数的增加量是十分巨大的。正是因为这些大量的参数，使得神经网络模型有着极强的学习能力，但是也造成了计算的困难。卷积神经网络的发明很好是解决了这一问题。为了很好的了解卷积的概念，我们可以先从生物学的角度进行理解。
当我们欣赏一幅图片的时候，大概有两种欣赏方式。其一是纵观全局，这便相当与全连接神经网络方式；其二是关注局部，然后保证观察角度不变，进行上下左右平移，来观察整张图片，这便相当于卷积神经网络。

全卷积网络架构图全卷积和全连接_人工智能_03

每个圆圈可理解为隐藏层的结点，连线的角度可以抽象成权值W，连线所在图片中的对应点的像素值为X，加上偏置即为WX+b模型。当以全连接层方式观察时，每变换一个结点，相当于变换一个观察角度，所有的连线角度都会改变，造成了所有的W都不一样，所以全连接层的参数会很多。反观卷积层方式，当选定一个核（后面解释，即图中彩色长方形区域）大小时，变换每个结点时，通过核的上下左右移动来遍历整张图片，在此过程中，连线的角度不变，即权值的大小不变，由次可以解释卷积方式参数大量下降的原理。卷积的核函数

全卷积网络架构图全卷积和全连接_人工智能_04

g（x,y）即为核，每个小方格上都有一个标量代表权重w。f(x,y)为输入，每个小方格上都有一个标量代表该图片在该点上的像素值。卷积的定义是两个变量在某个范围内相乘后求和是结果。对应图中就是让核与输入两个平面平行对应，每个对应点进行相乘后求和，得到的值作为输出。

因为核是一个矩阵，其存在大小，所有经过卷积操作后的输出维度总是略小于输入维度。例如上图所示，一个3×3的单通道输入，经过一个3×3大小的核映射，得到的输出维度为1×1。

很多情况下，我们希望得到是输出与输入的大小格式保持一致，此时需要在输入的四周填充一圈空白，使核遍历图片后得到的映射输出大小不变。填充的空白大小与核的大小成正相关。步幅的作用是用来降维的，如图：当步幅为1时，将一个5×5的输入填充成7×7，再经过一个3×3的核映射，其输出维度不变。若此时将步幅调整为2，则只能得到一个3×3是输出维度。如下图所示：

全卷积网络架构图全卷积和全连接_全卷积网络架构图_05

通道

一般来说，我们会将一个图片抽象为思维[数量，长，宽，色彩]。例如对于一张3232像素的彩色照片来讲，我们一般将其抽象为向量[1,32,32,3]。

除此之外，为了保证模型的学习能力，我们一般会从多个观察角度对图片进行观察，即取不同的核，如下图，我们对一张32×32像素的彩色照片去四个核B进行映射（四个不同的观察角度），得到的输出格式是一个向量[1,30,30,4]

全卷积网络架构图全卷积和全连接_cnn_06

输入[1,32,32,3]：代表数量为1，大小为3232，色彩通道为3。

核[4,3,5,5]：代表4个不同的核，每个核映射出来的特征分布有3个分别对应3个不同的色彩通道，核的大小为55。

输出[1,30,30,4]：一般来说我们将3个色彩通道的像素值相加，即将3降维为1，输出大小为30*30，因为这里没有扩充边界，所以输出维度略小于输入维度。通道4解释为因为有4个核所以对应4个不同输出。

这里要明确格式中通道1和通道4的概念，1是色彩通道，不管输入是色彩通道为几维，我们最终都会将它相加成一维；4是核数量通道，建立模型时建立几个核，即有几个输出数量。

池化与采样

池化的主要用途是用来进行特征的降维，压缩数据和减少参数。在一定程度上可以减轻过拟合现象，同时提高模型的容错性。比如以（3，3）作为一个池化单位，其含义就是每次将33=9个特征值根据池化算法合并成一个特征值。采样方式分为上采样和下采样。常用的下采样池化算法有Average pooling和Max pooling。如图，当步长为2时，可以将一个44的特征分布（feature map）下采样为22的特征分布。

全卷积网络架构图全卷积和全连接_cnn_07

上采用比较简单易理解，可以起到将信息等比放大的作用，放大的倍数与池化的大小有关。

全卷积网络架构图全卷积和全连接_cnn_08

卷积神经网络的意义

卷积神经网络在图片识别上意义重大，它的意义远不止减少参数量这一点。实际上，对图片进行卷积操作就是把卷积模板（核）与原图片做点积操作。点积的数学解释可以解释为：两个向量之间的相似度。推广到这里，可以说成核与原图的相似度，卷积的结果越小，说明图片中某位置和核的相似度越小，反之亦然。如何把核作为特征算子或者特征向量，那么卷积的过程就是通过移动核在原图中的对应位置，不断去寻找是否有一部分是符合我这个特征向量的，这在图片识别中意义重大。

对图片是识别实际上就是对底层特征的不断提取。打个比方，我们判断一张图片是否为车子，它的底层特征为像素。假设我们的卷积模型设置了10个核，它们的特征可能代表[颜色，形状，轱辘，车窗，方向盘，人…]等待，通过核在原图上进行匹配进而综合判断该图片是否为车子。

实际上，深度卷积神经网络就是去求解这千千万万个核的这么一种网络。这些核不是凭借我们的经验随便定义的，而是通过不断的学习更新得来的，深度卷积神经网络就是不断地去学习，最终求得这些核。而神经网络的不易解释性就在于此，随着模型的复杂，抽象出的核千千万万，我们难以去解释每个核的具体含义，也难以介绍每个中间层和中间结点的含义

卷积神经网络总结

总的来说，卷积神经网络层级结构可大致分为五个结构，分别为输入层，卷积层，激励层，池化层和全连接层。

输入层：与传统的神经网络模型一样，模型的输入需要进行预处理操作，常见的预处理操作有：去均值，归一化，PCA/SVD降维等。

卷积层：生物角度解释其作用就是----局部感知：人的大脑在识别图片的过程中，并不是一下子识别一整张图片的，而是对图片中的每个局部特征进行有顺序的局部识别，不断提取底层信息抽象出高层特征，然后更高层次对局部进行综合操作，从而得到全局信息。

激励层，本质就是激活函数，设置一个阈值，对卷积层的输出结果做一个非线性映射。如果不适用激活函数，每一层的输入就是上一次的线性结果，容易得出，无论多少神经网络层，输出都是输入的线性组合，即最原始的感知机模型，不可处理非线性问题。

池化层：用途是特征的降维，压缩数据和减少参数。在一定程度上可以减少过拟合现象，同时提高模型的容错性。

输出层（全连接层），经过前面的网络层对数据的处理，模型会学到一个高质量的特征图片全连接层。其实在全连接层之前，如果神经元数目过多，学习能力过强，又可能出现过拟合现象。因此，在全连接层中一般使用Dropout操作来随机删除神经网络中部分神经元之间的链接，以此来降低全连接层的复杂度。当数据来到全连接层时，可以理解为一个简单的多分类网络（如BP神经网络），通过softmax函数得到最终预测输出，整个模型训练完成。

softmax函数

做过多分类任务的同学一定都知道softmax函数。softmax函数，又称归一化指数函数。它是二分类函数sigmoid在多分类上的推广，目的是将多分类的结果以概率的形式展现出来。下图展示了softmax的计算方法：

全卷积网络架构图全卷积和全连接_卷积_09