深度学习元老Yann Lecun详解卷积神经网络


深度学习元老Yann Lecun详解卷积神经网络

本文作者：李尊

2016-08-23 18:39

本文联合编译：Blake、高斐

雷锋网(公众号：雷锋网)注：卷积神经网络（Convolutional Neural Network）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。



Yann LeCun出生在法国，曾在多伦多大学跟随深度学习鼻祖Geoffrey Hinton进行博士后研究。早在20世纪80年代末，Yann LeCun就作为贝尔实验室的研究员提出了卷积网络技术，并展示如何使用它来大幅度提高手写识别能力。上世纪末本世纪初，当神经网络失宠时Yann LeCun是少数几名一直坚持的科学家之一。他于2003年成为纽约大学教授，并从此引领了深度学习的发展，目前任职于Facebook FAIR实验室。本文是Yann LeCun对于卷积神经网络（Convolutional
Neural Network）的演讲介绍PPT。



Yann LeCun （信息学与计算机科学）(2015-2016)

ConvNets尝试过程

首个卷积神经网络模型(多伦多大学)(LeCun 88,89)

共320个运用反向传播算法训练的实例

带有步幅的卷积（子样本）

紧密相连的池化过程



在贝尔实验室建立的首个“真实”卷积神经网络模型(LeCun et al 89)

运用反向传播算法进行训练

USPS 编码数字：7300次训练，2000次测试

带有步幅的卷积

紧密相连的池化过程



卷积神经网络（vintage 1990）

滤波-双曲正切——池化——滤波-双曲正切——池化



多重卷积网络

架构

卷积神经网络的结构

卷积神经网络的卷积运算过程大致如下：

输入图像通过三个可训练的滤波器组进行非线性卷积，卷积后在每一层产生特征映射图，然后特征映射图中每组的四个像素在进行求和、加权值、加偏置，在此过程中这些像素在池化层被池化，最终得到输出值。



卷积神经网络的整体结构：

归一化——滤波器组——非线性计算——池化

归一化：图像白化处理的变形（可选择性）

减法运算：平均去除，高通滤波器进行滤波处理

 除法运算：局部对比规范化，方差归一化

滤波器组：维度拓展，映射

非线性：稀疏化，饱和，侧抑制

精馏，成分明智收缩，双曲正切等

池化: 空间或特征类型的聚合

最大化，Lp范数，对数概率



LeNet5

卷积神经网络简化模型

MNIST  (LeCun 1998)

阶段1：滤波器组——挤压——最大池化

阶段2：滤波器组——挤压——最大池化

阶段3：标准2层 MLP



多特征识别(Matan et al 1992)

每一层都是一个卷积层

    单一特征识别器 ——SDNN



滑动窗口卷积神经网络+加权有限状态机

应用

卷积神经网络的应用范围

信号以（多维度）数组的形式出现

具有很强局部关联性的信号

特征能够在任何位置出现的信号

目标物不因翻译或扭曲而变化的信号

一维卷积神经网络：时序信号，文本

文本分类

音乐体裁分类

用于语音识别的声学模型

时间序列预测

二维卷积神经网络：图像，时间-频率表征（语音与音频）

物体检测，定位，识别

三维卷积神经网络：视频，立体图像，层析成像

视频识别/理解

生物医学图像分析

高光谱图像分析



人脸检测(Vaillant et al.93, 94)

应用于大图像检测的卷积神经网络

多尺度热量图

对候选图像的非最大抑制

对256X256图像进行6秒稀疏



人脸检测的艺术结果状态



卷积神经网络在生物图像切割方面的应用

生物图像切割(Ning et al. IEEE-TIP 2005)

运用卷积神经网络在大背景下进行像素标记

卷积神经网络拥有一个像素窗口，标记中央像素

运用一个有条件的随机域进行清除

3D版连接体(Jain et al.2007)



场景解析/标记



场景解析/标记：多尺度卷积神经网络结构

每一个输出值对应一个大的输入背景

46X46全像素窗口；92X92 1/2像素窗口；182X182 1/4像素窗口

[7X7卷积运算]->[2X2池化] ->[7X7卷积运算] ->[2X2池化] ->[7X7卷积运算] ->

监督式训练全标记图像



方法：通过超级像素区域选出主要部分

输入图像——超像素边界参数——超像素边界——通过超像素进行主要部分投票处理——类别与区域边界对齐

多尺度卷积网络——卷积网络特征（每个像素中d=768）卷积分类——“soft”分类得分



场景分析/标记

无前期处理

逐帧进行

在Vittex-6 FPGA硬件上以50ms一帧运行卷积网络

但是在以太网上传输特征限制了系统的表现



针对远程自适应机器人视觉的卷积网络（DARPA LAGR项目2005-2008）

输入图像

标记

分类输出



非常深的卷积网络架构

小内核，较少二次抽样（小部分二次抽样）

VGG

GoogleNet

Resnet



使用卷积网络进行对象检测和定位



分类+定位：多重移动窗口

将带多重滑动窗口的卷积网络应用到图像上

重要提示：将卷积网络应用到一张图片上非常便宜

只要计算整个图像的卷积并把全连接层复制



分类+定位：滑动窗口+限定框回归

将带多重滑动窗口的卷积网络应用到图像上

对每个窗口，预测一个类别和限定框参数

即便目标不是完全包含在浏览窗口中，卷积网络也能猜测它认为这个目标是什么。



Deep Face

Taigman等 CVPR 2014

队列

卷积网络

度量学习

Facebook开发的自动标记方法

每天8亿张图片



使用卷积网络进行姿势预估和属性恢复

深度属性模型的姿势对齐网络

Zhang等 CVPR 2014 （Facebook AI Research）



人物检测和姿势预估

Tompson，Goroshin，Jain，Lecun，Bregler等 arxiv（2014）



监督卷积网络画图

使用卷积网络来画图

Dosovitskyi等 arxiv （1411:5928）



监督卷积网络画图

生成椅子

特征空间对椅子进行计算



全局（端对端）学习：能量模型

输入——卷积网络（或其他深度架构）——能量模块（潜在变量、输出）——能量

使得系统中每个模块都能进行训练。

所有模块都是同时训练的，这样就能优化全局的损失函数。

包括特征提取器，识别器，以及前后处理程序（图像模型）。

问题：反向传播在图像模型中倾斜



深度卷积网络（还有其他深度神经网络）

训练样本：（Xi，Yi）k=1 到 k

对象函数（边缘型损失= ReLU）

题图来自newscientist.com