42、卷积神经网络：从原理到实践

卷积神经网络：从原理到实践

卷积网络基础与面部特征识别

在图像处理中，卷积是一种强大的工具。它通过将滤波器（也称为内核，可看作带有一组权重的神经元）在输入数据上移动，每次应用滤波器到输入时，都会产生一个输出值。滤波器在计算时，可能只使用单个输入元素，也可能有更大的“足迹”，使用多个输入元素的值。

当滤波器的“足迹”大于 1x1 时，在输入数据的某些位置，滤波器会超出边缘，需要不存在的输入数据。为避免这种情况，通常会在输入周围填充足够的零环，使滤波器能够覆盖每个输入元素。

我们可以将多个滤波器组合成一个卷积层。在这样的层中，通常每个滤波器具有相同的“足迹”和激活函数，每个滤波器会产生一个通道的输出，整个卷积层的输出通道数与滤波器数量相同。

现在，我们以面部特征识别为例，看看如何使用卷积网络来处理图像。假设我们有一个 12x12 的候选图像，我们的目标是将其转换为适合特定滤波器的 3x3 网格。

1. 滤波器设计

   • 我们设计了三个 4x4 的滤波器，分别标记为 E4、N4 和 M4，用于检测眼睛、鼻子和嘴巴。
   • 为了使系统更灵活、计算速度更快，我们进一步将每个 4x4 的滤波器看作由 2x2 的小块组成。只需要四种类型的 2x2 小块（分别标记为 T、Q、L 和 R，代表顶部、四重奏、左下角和右下角），就可以组合成这三个滤波器。
   • 以眼睛滤波器 E4 为例，我们将其拆分为四个 2x2 的块。通过使用“X 射线视图”的约定，我们得到了一个新的 2x2x4 的滤波器 E，它是我们实际用于检测眼睛的滤波器。