lecture5 CNN

结构

  • CNN与一般神经网络类似，特点就是图像在卷积网络中大幅减少了网络中的参数。
  • 普通神经网络是全连接结构，数据量大的话参数太多。既浪费资源，又容易过拟合。
  • 卷积层神经元按三维排列，深度、宽度、高度。卷积网络包含卷积层、池化层和全连接层。
  • 以CIRAR-10为例，Input是[32*32]的RGB图，维度为32*32*3。卷积层计算一小部分区域与权重的点积，如果用12个核，输出维度32*32*12. RELU层是激活函数，输出矩阵32*32*12。池化层进行下采样，输出16*16*12，全连接层计算10类别得分，输出矩阵1*1*10。
  • 每个层的输入是3D数据，用一个可导的函数变换为3D的输出数据。

卷积层

  • 卷积层参数包含一系列滤波器，用每个小滤波器，逐步在整个图像滑动，与图像每一小部分做点积运算，产生2维激活图。网络会让滤波器学习到它看到某些视觉特征被激活，可能是边界或一些斑点、形状等。
  • 3个超参数控制卷积层输出数据体的尺寸：深度、步长和零填充（用0填充边缘）。输出数据体的深度和滤波器数量一致，每个滤波器寻找不同的东西。输入数据体尺寸W，感受野尺寸（核）F，步长S，零填充数量P，则输出尺寸为(W−F+2P)S+1 ( W − F + 2 P ) S + 1 。如输入7*7，滤波器3*3，步长为1，填充为0，则输出5*5。这个尺寸如果不是整数就会引发错误。
  • 参数共享减少了参数个数。如果滤波器能激活图像这一部分该特征，也能激活另一部分。有时候参数共享假设没有意义，特别是一些中心结构，我们就期望图片不同位置学习到不同特征。如人脸，眼睛特征或头发特征会在图片的不同位置被学习，成为局部连接层。
  • 如下图，输入尺寸W=5，步长S=2，填充P=1，滤波器尺寸F=3，输出为3.输入图像的三层，分别于滤波器对应位置相乘求和（可以看做输入的矩阵与滤波器矩阵都拉成一行），再加偏置得到输出。

    • 神经网络宽度和深度 神经网络的宽度_全连接

  • 这个方法占用太多内存，因为很多输入值被复制了很多次，可以用BLAS接口高效做矩阵乘法。-
  • 过滤器可以不是连续的，可以有间隔。扩张卷积，如w[0]x[0]+w[1]x[2]+w[2]x[4]。扩张卷积常常与正常卷积联合起来用，因为可以用更少的层数汇集图片特征。

池化层

  • 池化层减少参数，防止过拟合。常用的形式是取每2*2区域中最大值，另外还有平均数等形式。一般的，最大汇聚效果比平均汇聚好。
  • 在生成模型时，如变化自编码器和生产性对抗网络，弃用汇聚层很重要。有时候通过在卷积层中使用更大的步长降低数据体尺寸。
  • 归一化层：归一化层效果有限，逐渐不流行。

层的尺寸设置规律

  • 输入层，2的倍数，常用32,64,96,224,384,512
  • 卷积层，一般3*3最多5*5，步长为1，将空间维度降采样都由汇聚层完成。零填充为了保持输入数据空间维度不变，边缘信息不被过快损失。如果受内存限制，有时候第一层选用较大滤波器，步长为2。如AlexNet中，滤波器11*11，步长为4.
  • 汇聚层或叫池化层，2*2感受野。