CNN

hotarugali

发布于 2022-03-10 14:44:14

8410

发布于 2022-03-10 14:44:14

1. 简介

CNN 是专门用于处理网格化数据的神经网络。CNN 中新增了 Convolution 层和 Pooling 层，CNN 的层的连接顺序是「Convolution-ReLU-(Pooling)」（Pooling 层有时会被省略）。这可以理解为之前的 “Affine-ReLU” 连接被替换成了「Convolution-ReLU-(Pooling)」连接。

2. CNN 的优势

全连接层（Affine 层）忽略了数据的形状。比如，输入数据是图像时，图像通常是高、长、通道方向上的 3 维形状。但是，向全连接层输入时，需要将 3 维数据拉平为 1 维数据。

图像是 3 维形状，这个形状中应该含有重要的空间信息。比如，空间上邻近的像素为相似的值、 RBG 的各个通道之间分别有密切的关联性、相距较远的像素之间没有什么关联等， 3 维形状中可能隐藏有值得提取的本质模式。

而卷积层可以保持形状不变。当输入数据是图像时，卷积层会以 3 维数据的形式接收输入数据，并同样以 3 维数据的形式输出至下一层。因此，在 CNN 中，可以（有可能）正确理解图像等具有形状的数据。

【注】把 3 维数据表示为多维数组时，书写顺序为（channel, height, width）。作为 4 维数据，滤波器的权重数据要按（output_channel, input_channel, height, width）的顺序书写。

3. 术语

特征图（feature map）：卷积层的输入输出数据。输入数据称为输入特征图，输出数据称为输出特征图。

卷积（convolution）：滤波器上的元素和输入的窗口数据对应元素进行相乘并累加求和。
填充（padding）：在进行卷积层的处理之前，有时要向输入数据的周围填入固定的数据（比如 0 等）。「幅度为 1 的填充」是指用幅度为 1 像素的 0 填充周围。

使用填充主要是为了调整输出的大小（防止每次进行卷积运算后空间缩小以至最终空间缩小为 1 ），可以在保持空间大小不变的情况下将数据传给下一层。

步幅（stride）：应用滤波器的位置间隔称为步幅。

【注】增大步幅后，输出大小会变小。而增大填充后，输出大小会变大。

设输入大小为 (H,W) ，滤波器大小为 (FH,FW) ，输出大小为 (OH,OW) ，填充为 P ，步幅为 S ，则有如下等式：

\begin{array}{c} OH = \frac{H + 2P - FH}{S} + 1 \\ OW = \frac{W + 2P - FW}{S} + 1 \end{array}

池化（pooling）：（也称为汇聚）池化是缩小高、长方向上的空间的运算。一般来说，池化的窗口大小会和步幅设定成相同的值。池化是指对每个区域进行下采样（Down Sampling）得到一个值，作为这个区域的概括。

常见池化方法

Max 池化
Average 池化

4. 卷积层

4.1 一维卷积

假设信号发生器每个时刻 t 产生一个信号x_t ，齐信息的衰减率为 w_k ，即在 k-1 个时间步长后，信息为原来的 w_k 倍。则在 t 时刻接收到的信号 y_t 为当前时刻产生的信息和以前时刻延迟信息的叠加：

\begin{array}{c} y_t = \sum_{k=1}^K w_k x_{t-k+1} \end{array}

记作

\begin{array}{c} \boldsymbol{y} = \boldsymbol{w} * \boldsymbol{x} \end{array}

其中，* 表示卷积操作，把 w_1,w_2,\cdots,w_K 称作滤波器或卷积核。

4.2 二维卷积

给定一个图像 \boldsymbol{X} \in \mathbb{R}^{M \times N} 和一个滤波器 \boldsymbol{W} \in \mathbb{W}^{U \times V} （一般 U \ll M, V \ll N ），其卷积为

\begin{array}{c} y_{ij} = \sum_{u=1}^U \sum_{v=1}^V w_{uv} x_{i-u+1,j-v+1} \end{array}

记作

\begin{array}{c} \boldsymbol{Y} = \boldsymbol{W} * \boldsymbol{X} \end{array}

4.3 互相关

互相关和卷积的区别仅仅在于卷积核是否进行翻转，互相关公式为：

\begin{array}{c} y_{ij} = \sum_{u=1}^U \sum_{v=1}^V w_{uv} x_{i+u-1,j+v-1} \end{array}

记作

\begin{array}{c} \boldsymbol{Y} = \boldsymbol{W} \otimes \boldsymbol{X} = rotate_{180^\circ}(\boldsymbol{W}) * \boldsymbol{X} \end{array}

在神经网络中使用卷积是为了进行特征抽取，卷积核是否进行翻转和其特征抽取的能力无关。
特别是当卷积核是可学习的参数时，卷积和互相关在能力上是等价的。
在具体实现上，一般会以互相关操作来代替卷积，从而会减少一些不必要的操作或开销。

4.4 常用卷积

窄卷积：S = 1, P = 0 ，卷积后输出长度为 M - K + 1 。
宽卷积：S = 1, P = K - 1 ，卷积后输出长度为 M + K - 1 。宽卷积运算符号为：\tilde{\otimes} 。
等宽卷积：S = 1, P = (K-1)/2 ，卷积后输出长度为 M 。

4.5 导数

假设 \boldsymbol{Y} = \boldsymbol{W} \otimes \boldsymbol{X} ，其中 \boldsymbol{X} \in \mathbb{R}^{M \times N}, \boldsymbol{W} \in \mathbb{R}^{U \times V}, Y \in \mathbb{R}^{(M-U+1)\times(N-V+1)} ，函数 f(\boldsymbol{Y}) \in \mathbb{R} 为一个标量函数，则：

\begin{array}{c} \frac{\partial f(\boldsymbol{Y})}{\partial \boldsymbol{W}} = \frac{\partial f(\boldsymbol{Y})}{\partial \boldsymbol{Y}} \otimes \boldsymbol{X} \\ \frac{\partial f(\boldsymbol{Y})}{\partial \boldsymbol{X}} = rotate_{180^\circ}(W) \tilde{\otimes} \frac{\partial f(\boldsymbol{Y})}{\partial \boldsymbol{Y}} \end{array}