深度学习元老Yann Lecun详解卷积神经网络（30页干货PPT）

雷锋网注：卷积神经网络（Convolutional Neural Network）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。

Yann LeCun出生在法国，曾在多伦多大学跟随深度学习鼻祖Geoffrey Hinton进行博士后研究。早在20世纪80年代末，Yann LeCun就作为贝尔实验室的研究员提出了卷积网络技术，并展示如何使用它来大幅度提高手写识别能力。上世纪末本世纪初，当神经网络失宠时Yann LeCun是少数几名一直坚持的科学家之一。他于2003年成为纽约大学教授，并从此引领了深度学习的发展，目前任职于Facebook FAIR实验室。本文是Yann LeCun对于卷积神经网络（Convolutional Neural Network）的演讲介绍PPT。

Yann LeCun （信息学与计算机科学）(2015-2016)

ConvNets尝试过程

首个卷积神经网络模型(多伦多大学)(LeCun 88,89)

共320个运用反向传播算法训练的实例

带有步幅的卷积（子样本） 紧密相连的池化过程

在贝尔实验室建立的首个“真实”卷积神经网络模型(LeCun et al 89)

运用反向传播算法进行训练 USPS 编码数字：7300次训练，2000次测试 带有步幅的卷积 紧密相连的池化过程

卷积神经网络（vintage 1990）

滤波-双曲正切——池化——滤波-双曲正切——池化

多重卷积网络

架构

卷积神经网络的结构

卷积神经网络的卷积运算过程大致如下：

输入图像通过三个可训练的滤波器组进行非线性卷积，卷积后在每一层产生特征映射图，然后特征映射图中每组的四个像素在进行求和、加权值、加偏置，在此过程中这些像素在池化层被池化，最终得到输出值。

卷积神经网络的整体结构：

归一化——滤波器组——非线性计算——池化

• 归一化：图像白化处理的变形（可选择性）

减法运算：平均去除，高通滤波器进行滤波处理 除法运算：局部对比规范化，方差归一化

• 滤波器组：维度拓展，映射
• 非线性：稀疏化，饱和，侧抑制

精馏，成分明智收缩，双曲正切等

• 池化: 空间或特征类型的聚合

最大化，Lp范数，对数概率

LeNet5

卷积神经网络简化模型 MNIST (LeCun 1998)

阶段1：滤波器组——挤压——最大池化

阶段2：滤波器组——挤压——最大池化

阶段3：标准2层 MLP

多特征识别(Matan et al 1992)

每一层都是一个卷积层

单一特征识别器 ——SDNN

滑动窗口卷积神经网络+加权有限状态机

应用

卷积神经网络的应用范围

• 信号以（多维度）数组的形式出现
• 具有很强局部关联性的信号
• 特征能够在任何位置出现的信号
• 目标物不因翻译或扭曲而变化的信号
• 一维卷积神经网络：时序信号，文本

文本分类 音乐体裁分类 用于语音识别的声学模型 时间序列预测

• 二维卷积神经网络：图像，时间-频率表征（语音与音频）

物体检测，定位，识别

• 三维卷积神经网络：视频，立体图像，层析成像

视频识别/理解 生物医学图像分析 高光谱图像分析

人脸检测(Vaillant et al.93, 94)

• 应用于大图像检测的卷积神经网络
• 多尺度热量图
• 对候选图像的非最大抑制
• 对256X256图像进行6秒稀疏

人脸检测的艺术结果状态

卷积神经网络在生物图像切割方面的应用

• 生物图像切割(Ning et al. IEEE-TIP 2005)
• 运用卷积神经网络在大背景下进行像素标记
• 卷积神经网络拥有一个像素窗口，标记中央像素
• 运用一个有条件的随机域进行清除
• 3D版连接体(Jain et al.2007)

场景解析/标记

场景解析/标记：多尺度卷积神经网络结构

• 每一个输出值对应一个大的输入背景

46X46全像素窗口；92X92 1/2像素窗口；182X182 1/4像素窗口 [7X7卷积运算]->[2X2池化] ->[7X7卷积运算] ->[2X2池化] ->[7X7卷积运算] -> 监督式训练全标记图像

方法：通过超级像素区域选出主要部分

输入图像——超像素边界参数——超像素边界——通过超像素进行主要部分投票处理——类别与区域边界对齐 多尺度卷积网络——卷积网络特征（每个像素中d=768）卷积分类——“soft”分类得分

场景分析/标记

• 无前期处理
• 逐帧进行
• 在Vittex-6 FPGA硬件上以50ms一帧运行卷积网络

但是在以太网上传输特征限制了系统的表现

针对远程自适应机器人视觉的卷积网络（DARPA LAGR项目2005-2008）

输入图像 标记 分类输出

非常深的卷积网络架构

小内核，较少二次抽样（小部分二次抽样）

VGG GoogleNet Resnet

使用卷积网络进行对象检测和定位

分类+定位：多重移动窗口

• 将带多重滑动窗口的卷积网络应用到图像上
• 重要提示：将卷积网络应用到一张图片上非常便宜

只要计算整个图像的卷积并把全连接层复制

分类+定位：滑动窗口+限定框回归

• 将带多重滑动窗口的卷积网络应用到图像上
• 对每个窗口，预测一个类别和限定框参数

即便目标不是完全包含在浏览窗口中，卷积网络也能猜测它认为这个目标是什么。

Deep Face

• Taigman等 CVPR 2014

队列 卷积网络 度量学习

• Facebook开发的自动标记方法

每天8亿张图片

使用卷积网络进行姿势预估和属性恢复

深度属性模型的姿势对齐网络

Zhang等 CVPR 2014 （Facebook AI Research）

人物检测和姿势预估

Tompson，Goroshin，Jain，Lecun，Bregler等 arxiv（2014）

监督卷积网络画图

• 使用卷积网络来画图
• Dosovitskyi等 arxiv （1411:5928）

监督卷积网络画图

• 生成椅子
• 特征空间对椅子进行计算

全局（端对端）学习：能量模型

输入——卷积网络（或其他深度架构）——能量模块（潜在变量、输出）——能量

• 使得系统中每个模块都能进行训练。
• 所有模块都是同时训练的，这样就能优化全局的损失函数。
• 包括特征提取器，识别器，以及前后处理程序（图像模型）。
• 问题：反向传播在图像模型中倾斜

深度卷积网络（还有其他深度神经网络）

• 训练样本：（Xi，Yi）k=1 到 k
• 对象函数（边缘型损失= ReLU）

题图来自newscientist.com

via Yann Lecun