李宏毅机器学习-卷积神经网络

1.为什么用CNN处理图像

CNN做的事就是简化neural network的架构，用比较少的参数来做影像处理这件事。所以CNN比一般的DNN还要简单的。

为什么可以用比较少的参数可以来做影像处理这件事情

• 在图片处理中，大部分的pattern其实要比整张的image还要小，对一个neural来说，假设它要知道一个image里面有没有某一个pattern出现，它其实是不需要看整张image，它只要看image的一小部分。
• 样的pattern在image里面，可能会出现在image不同的部分，但是代表的是同样的含义，它们有同样的形状，可以用同样的neural，同样的参数就可以把patter侦测出来。
• 我们知道一个image你可以做subsampling，你把一个image的奇数行，偶数列的pixel拿掉，变成原来十分之一的大小，它其实不会影响人对这张image的理解。

2.CNN架构

卷积（convolution）

通过filter 1检测出，左上角和左下角出现最大值。同理使用filtr 2对图像做convolution后，可以得到下面的矩阵。

对于彩色图像（RGB）

一个彩色的image就是好几个matrix叠在一起，就是一个立方体。如果要处理彩色image，这时候filter不是一个matrix，filter而是一个立方体。如果今天是RGB表示一个pixel的话，那input就是3*6 *6，那filter就是3 *3 *3。

在做convolution的话，就是将filter的9个值和image的9个值做内积(不是把每一个channel分开来算，而是合在一起来算，一个filter就考虑了不同颜色所代表的channel)

卷积vs全连接

卷积网络可以看作特殊的全连接网络。

max pooling

max pooling 根据filter 1和filter 2分别得到的4*4矩阵，每个矩阵将其分为4组，每一组用里面平均或者最大的数代替。** 一个filter就代表一个channel **

flatten

flatten就是将feature map拉直，给到fully connected feedforward netwwork。

model.add(Convolution2D( 25, 3, 3)
25代表有25个filter，3 *3代表filter是一个3 *3的matrix

Input_shape=(28,28,1)
假设我要做手写数字辨识，input是28 *28的image，每个pixel都是单一颜色。所以input_shape是(1,28,28)。如果是黑白图为1(blacj/white)，如果是彩色的图时为3(每个pixel用三个值来表述)。

MaxPooling2D(( 2, 2 ))
2,2表示把2*2的feature map里面的pixel拿出来，选择max value。

3.卷积神经网络学到了什么？

分析全连接层

让图像更像数字