【深度学习】卷积神经网络

卷积神经网络

CNN概述

​ 卷积神经网络（Convolutional Neural Network）是含有卷积层的神经网络. 卷积层的作用就是用来自动学习、提取图像的特征.
CNN网络主要由三部分构成：卷积层、池化层和全连接层构成：

• 卷积层负责提取图像中的局部特征；
• 池化层用来大幅降低参数量级(降维)；
• 全连接层用来输出想要的结果。

卷积层

input 表示输入的图像
filter 表示卷积核, 也叫做卷积核(滤波矩阵)
input 经过 filter 得到输出为最右侧的图像，该图叫做特征图

卷积计算

卷积运算本质上就是在卷积核和输入数据的局部区域间做点积。

Padding

​ 通过上面的卷积计算过程，最终的特征图比原始图像小很多，如果想要保持经过卷积后的图像大小不变, 可以在原图周围添加 padding 来实现.

Stride

按照步长为1来移动卷积核，计算特征图如下所示：

多通道卷积计算

特征图大小

输出特征图的大小与以下参数息息相关:

• size: 卷积核/过滤器大小，一般会选择为奇数，比如有 1*-1 、33、55
• Padding: 零填充的方式
• Stride: 步长

那计算方法如下图所示:

• 输入图像大小: W x W
• 卷积核大小: F x F
• Stride: S
• Padding: P
• 输出图像大小: N x N

以下图为例:
图像大小: 5 x 5
卷积核大小: 3 x 3
Stride: 1
Padding: 1
(5 - 3 + 2) / 1 + 1 = 5, 即得到的特征图大小为: 5 x 5

PyTorch卷积层API

conv = nn.Conv2d(in_channels, out_channels, kernel_size, stride, padding)
"""
参数说明：
in_channels: 输入通道数，
out_channels: 输出通道，也可以理解为卷积核kernel的数量
kernel_size：卷积核的高和宽设置，一般为3,5,7...
stride：卷积核移动的步长
padding：在四周加入padding的数量，默认补0
"""

import torch
import torch.nn as nn
import matplotlib.pyplot as plt
def test():
    # 读取图像, 形状: (640, 640, 3)
    img = plt.imread('data/img.jpg')
    plt.imshow(img)
    plt.axis('off')
    plt.show()
    # 构建卷积层
    # out_channels表示卷积核个数
    # 修改out_channels，stride，padding观察特征图的变化情况
    conv = nn.Conv2d(in_channels=3, out_channels=3, kernel_size=3, stride=2, padding=0)
    # 输入形状: (BatchSize, Channel, Height, Width)
    # mg形状: torch.Size([3, 640, 640])
    img = torch.tensor(img).permute(2, 0, 1)
    # img 形状: torch.Size([1, 3, 640, 640])
    img = img.unsqueeze(0)
    # 将图像送入卷积层中
    feature_map_img = conv(img.to(torch.float32))
    # 打印特征图的形状
    print(feature_map_img.shape)
if __name__ == '__main__':
    test()

池化层

​ 池化层(Pooling)降低维度,缩减模型大小,提高计算速度

Stride

Padding

API

# 最大池化
nn.MaxPool2d(kernel_size=2, stride=2, padding=1)
# 平均池化
nn.AvgPool2d(kernel_size=2, stride=1, padding=0)

import torch
import torch.nn as nn

# 1. 单通道池化
def