深度学习之CNN一 卷积与池化

1 卷积

连续：

一维卷积：s(t)=(x∗w)(t)=∫x(a)w(t−a)dt

二维卷积：S(t)=(K∗I)(i,j)=∫∫I(i,j)K(i−m,j−n)dmdn

离散：

一维卷积：s(t)=(x∗w)(t)=∑ax(a)w(t−a)

二维卷积：S(i,j)=(K∗I)(i,j)=∑m∑nI(i,j)K(i−m,j−n)

卷积具有交换性，即

(K∗I)(i,j)=(I∗K)(i,j)

∑m∑nI(i,j)K(i−m,j−n)=∑m∑nI(i−m,j−n)K(i,j)

编程实现中:

二维卷积：S(t)=(K∗I)(i,j)=∑m∑nI(i+m,j+n)K(i,j)

这个定义就不具有交换性

上面的w,K称为核，s(t),S(i,j)有时候称为特征映射。

2 卷积神经网络

卷积神经网络主要利用3个思想：稀疏连接、参数共享、平移不变性。

稀疏连接



一个神经元的感知视野是指能够影响该神经元的其他神经元。如上图中x3的感知视野是s2,s3,s4。深度卷经网络中，深层单元的感知视野比浅层单元的大。



参数共享

稀疏连接和参数共享都能显著减少参数。

平移不变性

参数共享会导致平移不变性。称f(x)对g(x)是不变的，如果f(g(x))=g(f(x))。例如I(x,y)是一张图像，g(I)=I(x−1,y)，则(g(I)∗K)=g((I∗K))。

池化（pooling）

池化输出的是邻近区域的概括统计量，一般是矩形区域。池化有最大池化、平均池化、滑动平均池化、L2范数池化等。

池化能使特征获得平移不变性。如果我们只关心某些特征是否存在而不是在哪里时，平移不变性就很有用了。卷积也会产生平移不变性，注意区分，卷积对输入平移是不变的，池化对特征平移是不变的。



池化能显著地减少参数，若滑动距离stride大小为k，则参数量减少k倍



池化能解决不同规格的输入的问题。如下图池化时，将图片区域四等分，不管图片的大小。



完整的CNN结构：





由上面的两幅图可以看到，为了提取不同的特征，每个卷积层都有多种卷积（通道, channel）。

一般来说，输入并不只是一张灰度图，更多的是彩图，这样输入就是一个三维张量（tensor）Vi,j,k，表示第i个通道的j行k列的值。则通过卷积得到的特征S可表示为：Si,j,k=∑l,m,nVl,j+m−1,k+n−1Ki,l,m,n

其中K是一个四维张量，Ki,l,m,n表示卷积层的第i个通道与输入的第l个通道在行偏m、列偏n时的权重系数。式子中-1是因为C和Python中 下标是从0开始的。

滑动长度为s的卷积Si,j,k=∑l,m,nVl,(j−1)s+m,(k−1)+nKi,l,m,n

神经网络在实现中还要注意输入的补零方式。如果不补零的话，由于卷积核的关系，特征的大小（size）总是小于输入的大小，致使整个网络的深度是有限的。



如上图所示，补零的方式有两种：

valid：也就是不补零。

same：在图像边缘补零，使得输入和输出大小相同。