AI入门:卷积神经网络

数据分析如何避免沦为形式?15天在线学习get一套可落地的数据分析方法,了解一下 >>

讲到AI不得不讲深度学习,而讲到深度学习,又不能不讲卷积神经网络。如果把深度学习比作中国的互联网界,那卷积神经网络和循环神经网络就是腾讯和阿里级别的地位。今天我们主要讨论的卷积神经网络,到底卷积神经网络能解决什么问题,它的结构是怎样的?是怎么学习的?应用在哪些具体的产品上?本文将为大家一一解答。

如果对深度学习还不了解的同学,建议你先看下之前的文章《深度学习到底有多深?》,对深度学习有一定的认知,对接来了的讨论可能会更容易理解。

以下是本文讨论内容的大纲:

下文的卷积神经网络,我们用简称CNN表示。

01 为什么需要用到CNN?

1. 普通的神经网络会遇到什么问题?

假设我们要做图像识别,把一张图片丢到机器,机器能理解的就是每个像素点的值,如下图:

我们在搭建好神经网络模型之后,需要做的就是用数据训练,最终需要确定的是每一个神经元参数w和b,这样我们就可以确定模型了。

假设我们输入的是50*50像素的图片(图片已经很小了),这依然有2500个像素点,而我们生活中基本都是RGB彩色图像,有三个通道,那么加起来就有2500*3=7500个像素点。

如果用普通的全连接,深度比较深时,那需要确认的参数太多了,对于计算机的计算能力,和训练模型来说都是比较困难一件事。

因此,普通神经网络的问题是:需要确认的参数太多。

那CNN是怎么解决这个问题的呢?请接着往下看。

2. CNN是怎么解决这个问题的?

第一步:局部监测

假设我们要看一张图片中有没有猫耳朵,也许我们不需要看整张图片,只需要看一个局部就行了。因此看是否是一只猫,只需要看是否有猫尾、是否有猫嘴、是否有猫眼,如果都有,那机器就预测说这张图片是一只猫。

因为这种方法看的是图片的局部,而不是全部,也就是说神经元连接的是部分的特征变量,而不是全部的特征变量,因此参数比较少。(如果这里看不懂没关系,我们后面会详细解释)。

看到这里你可能会疑问,我怎么知道取哪个局部,我怎么知道猫耳在图片的哪个部位?不着急,后面会讲到。

第二步:抽样,缩小图片

假设我们要识别一张50*50像素的猫相片,如果我们把图片缩小到25*25个像素点,那其实还是能看出这是一只猫的照片。

因此,如果把图片缩小了,就相当于输入的特征变量变少了,这样也能减少参数的量。

卷积神经网络就是用上面这两步的思想来减少参数,那具体CNN的架构是怎样的?又是怎么运行的?我们接下来详细讨论。

02  CNN的架构

CNN的架构流程图:

第一步:卷积,即局部监测。

第二步:特征抽样,即缩小图片。

然后重复第一、第二步(具体重复多少次,人为决定)。

第三步:全连接,把第一、二步的结果,输入到全连接的神经网络中,最后输出结果。

1. 卷积(Convolution)

首先,把图片转化成机器可以识别的样子,把每一个像素点的色值用矩阵来表示。这里为了方便说明,我们就简化,用6*6像素来表示,且取只RGB图片一层。

然后,我们用一些过滤器跟输入的图片的矩阵做卷积。(如果不知道卷积怎么运行的话,可以去问下百度)

那过滤器是什么呢?

——过滤器就是用来检测图片是否有某个特征,卷积的值越大,说明这个特征越明显。

说到这里,我们回顾一下前面提到的问题:我怎么知道取哪个局部,我怎么知道猫耳在图片的哪个部位?

用的办法就是:移动窗口卷积。

同一个过滤器,会在原图片矩阵上不断的移动,每移动一步,就会做一次卷积。(每一移动的距离是人为决定的)

因此移动完之后,就相当于一个过滤器就会检测完整张图片,哪里有相似的特征。

卷积跟神经元是什么样的关系呢?

上图所示有3点需要说明:

1)每移动一下,其实就是相当于接了一个神经元。

2)每个神经元,连接的不是所有的输入,只需要连接部分输出。

说到这里可能你又会有疑问了,移动一下就是一神经元,这样不就会有很多神经元了吗?那不得又有很多参数了吗?

确实可能有很多神经元,但是同一个过滤器移动时,参数是强行一致的,公用参数的。

3)所以同一个过滤器移动产生的神经元可能有很多个,但是他们的参数是公用的,因此参数不会增加。

跟不同过滤器卷积:

同一层可能不止是跟一个过滤器卷积,可能是多个。

不同的过滤器识别不同的特征,因此不同的过滤器,参数不一样。但相同的过滤器,参数是一样的。

因此卷积的特点是:

  • 局部检测
  • 同一个过滤器,共享参数

3. 池化(Max pooling)

先卷积,再池化,流程图:

用过滤器1卷积完后,得到了一个4*4的矩阵,假设我们按每4个元素为一组(具体多少个为一组是人为决定的),从每组中选出最大的值为代表,组成一个新的矩阵,得到的就是一个2*2的矩阵。这个过程就是池化。

因此池化后,特征变量就缩小了,因而需要确定的参数也会变少。

4. 全连接

经过多次的卷积和池化之后,把最后池化的结果,输入到全连接的神经网络(层数可能不需要很深了),最后就可以输出预测结果了。

那到这里,我们把CNN的工作流程就讲完了,但是每一步具体的意义是什么,怎么理解?

可能你还不太理的顺,接下来我们会用一些可视化的方式帮助大家理解。

03 CNN是怎样学习的?

我们以AlexNet为例,给大家展示下CNN大致的可视化过程。

AlexNet是Alex Krizhevsky等人于2012年的ImageNet比赛中提出了新型卷积神经网络,并获得了图像分类问题的最好成绩(Top-5错误率为15.3%)。

AlexNet的网络架构:

其实AlexNet的结构很简单,输入是一个224×224的图像,经过5个卷积层,3个全连接层(包含一个分类层),达到了最后的标签空间。

AlexNet学习出来的特征是什么样子的?

  • 第一层:都是一些填充的块状物和边界等特征。
  • 中间层:学习一些纹理特征。
  • 更高层:接近于分类器的层级,可以明显的看到物体的形状特征。
  • 最后一层:分类层,完全是物体的不同的姿态,根据不同的物体展现出不同姿态的特征了。

所以,它的学习过程都是:边缘→部分→整体。

关于卷积神经网络的可视化,大家想了解更多的话,可以参考文章《卷积神经网络超详细介绍》

04 AlphaGo

前面我们提到了AlphaGo有用到CNN,那具体是怎么应用的呢,这里简答给大家科普下:

我们把围棋看成是一个19*19像素的图片,,每个像素点的取值:有黑子是1、有白子是-1,空为0。

因此,输入棋盘就是所有像素点的矩阵值,输出是下一步落子的位置。

那这个跟CNN有什么关系?

我们知道CNN擅长做的事情就是检测局部特征,那也可以把这项技能运用到下围棋上。

比如说上图这种特征,检测盘面上有没有这样的特征,如果有的话,通常下一步的落子是怎样。就好比玩剪刀石头布,检测到对方出剪刀,那机器的应对策略就是出石头。

同样可能有很多不同的特征,因此需要用不同的过滤器去检测。

而且,同一个特征可能会出现在不同的位置,因此也可以用过滤器移动的方法去检测。

AlphaGo 有没有池化?

讲到这里你会不会好奇,AlphaGo到底有没有用到CNN的池化。因为池化是把图片缩小的,围棋是19*19个点,如果缩成10*10个点,能行吗?

实际上AlphaGo是没有用到池化这一步的,所以说CNN也未见得一定要使用池化,还是需要实际问题实际解决,灵活应用。

好了,到这里就介绍完了CNN,后续我会写一篇文章介绍深度学习的另一大门派:循环神经网络RNN,感兴趣的同学记得关注哦。

 

本文由 @Jimmy 原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自Unsplash,基于CC0协议。

给作者打赏,鼓励TA抓紧创作!
1人打赏
评论
欢迎留言讨论~!
  1. 很好,学习了,很希望能多学习一些AI的相关知识

    回复