深度学习以及卷积基础

小白学视觉

共 4710字,需浏览 10分钟

 ·

2021-11-27 14:04

点击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达

作者:石文华

编辑:龚   赛


介    绍




深度学习是机器学习的一个分支,是基于数据来学习表示数据的一组算法。下面我们列出最受欢迎的一些深度学习算法。

  • 卷积神经网络

  • 深度信念网络

  • 自动编码器

  • 递归神经网络(RNN / LSTM / GRU)

  • 对抗生成网络(GAN) 

深度学习的目的之一是他们将取代手工制作的特征提取。这个想法是,他们将从给定的数据中“学习”到所需的最佳特征。 




层与层



深度学习模型由多层构成,在人工神经网络的情况下,具有2个以上隐藏层的多层感知器(MLP)已经是深度模型。 
作为一个经验法则,深层模型有可能比浅层模型表现更好。但是,越深的神经网络你需要越多的数据来避免过拟合。 




层类型



这里列出一些最常用的图层:
  1. 卷积层 

  2. 最大/平均池化层 

  3. Dropout层 

  4. 批量标准化层 

  5. 全连接层 

  6. Relu,Tanh,Sigmoid层(非线性层) 

  7. Softmax,交叉熵,SVM,欧几里得(损失层)



避免过拟合(正则化)



除了获得更多的数据之外,还有一些技巧用于解决过度拟合问题,这里列出了一些最常见的技术:

  • Dropout

  • L2正则化

  • 数据增强



Dropout



这是一种在训练期间随机关闭全连接层中一些神经元的技术。 



Dropout迫使全连接层以不同的方式学习相同的概念。



L2正则化



最常见的正则化形式是L2正则化,L2正则化是给损失函数添加一个额外的惩罚项,这个惩罚项也就是我们正在优化的所有权重/参数的平方值。对于神经网络的每一个参数ω,我们加入一项0.5λω²到损失函数中去,λ表示正则化强度的参数,当我们反向传播计算导数时,我们只是用了0.5λ作为正则化的强度。由于使用这种正规化,非常高价值的权重受到严重惩罚。所以我们更倾向于使用一层的所有权重作为输入,而不是少数一些权重带替代。这种方法的效果比较好,因为我们的模型权重将被最大限度地利用,并且我们有更少未使用的权重。

除了L2正则化之外,还有L1正则化和Max Norm,但这里没有讨论,因为L2一般表现更好。




数据增强



通过对输入数据进行一些转换,可以合成新的训练样例。例如,进行图像翻转或随机移动RGB值。在2012年Imagenet竞赛期间,Alex Krizhevesky(Alexnet)使用了2048倍的因子进行数据增强,这意味着用于训练其模型的数据集实际上比开始时大2048倍,并且在不使用数据增强的情况下改进了泛化。 





分层的特征表示



它是让学习算法找到从输入到更深层的最佳表示。 
浅层学会用简单的形式表示数据,深层用前面学到的特征来学习更高纬度的特征来表示数据。 





卷  积



卷积是一种数学运算,它对两个函数(信号)乘积进行积分,其中一个信号是被翻转。例如下面我们对2个信号f(t)和g(t)进行卷积。 



首先要做的是水平翻转(180度)信号g,然后将翻转后的g滑过f,对应相乘并累加所有的值。 
conv(a,b)== conv(b,a)的结果是一样的, 
在这种情况下,规定蓝色信号 F(τ)F(τ) 是我们的输入信号和 G(t )G(Ť) 作为我们的卷积核,当使用卷积来过滤信号时使用术语卷积核。



输出一维信号



在一维卷积的情况下,输出尺寸计算如下: 
outputSize=(InputSize−KernelSize)+1



卷积的应用



人们在以下用例中对信号处理使用卷积:

  • 滤波器信号(1D音频,2D图像处理)

  • 检查一个信号与另一个信号的相关程度

  • 在信号中查找模式



在matlab和python(numpy)中的简单例子



下面我们将两个信号x =(0,1,2,3,4)与w =(1,-1,2)进行卷积。 




手工操作



为了更好地理解卷积的概念,我们手工完成上面的例子。我们要卷积2个信号(x,w)。首先是水平翻转W(或向左旋转180度) 



之后,我们将翻转的W滑过输入X. 



注意到在步骤3,4,5中,翻转后的窗口完全位于输入信号的内部。称为“有效”卷积。在翻转窗口不完全位于输入窗口(X)内部的情况下,我们可以将其视为零,只计算位于窗口内的数据,例如在步骤1中,我们将1乘以零,其余部分将被忽略。


对输入进行填充



为了保持卷积结果大小与输入大小相同,并避免称为循环卷积的效应,我们用零填充信号。 
你把零放在哪个位置取决于你想要做什么,例如:在1D的情况下,你可以在每一端连接它们,但在2D上它通常放置在原始信号周围。 




在matlab上,你可以使用命令'padarray'来填充输入信号: 
>> x

x(:,:,1) =

 1     1     0     2     0
2     2     2     2     1
0     0     0     2     1
2     2     2     2     1
2     0     2     2     1

x(:,:,2) =

 2     1     0     0     0
0     2     0     1     0
1     0     1     2     0
1     2     0     2     1
1     2     1     2     2

x(:,:,3) =

 2     1     1     2     2
1     1     1     0     0
2     0     1     0     2
0     2     0     2     1
0     0     2     1     0

>> padarray(x,[1 1])


ans(:,:,1) =

 0     0     0     0     0     0     0
0     1     1     0     2     0     0
0     2     2     2     2     1     0
0     0     0     0     2     1     0
0     2     2     2     2     1     0
0     2     0     2     2     1     0
0     0     0     0     0     0     0

ans(:,:,2) =

 0     0     0     0     0     0     0
0     2     1     0     0     0     0
0     0     2     0     1     0     0
0     1     0     1     2     0     0
0     1     2     0     2     1     0
0     1     2     1     2     2     0
0     0     0     0     0     0     0

ans(:,:,3) =

 0     0     0     0     0     0     0
0     2     1     1     2     2     0
0     1     1     1     0     0     0
0     2     0     1     0     2     0
0     0     2     0     2     1     0
0     0     0     2     1     0     0
0     0     0     0     0     0     0



将卷积转化为计算图



将操作转化为计算图,更容易计算每个节点参数的偏导数,这里我们演示将之前的一维卷积转化为计算图,这也可以扩展到二维卷积。 



计算图的创建是在翻转的内核完全插入被卷积的数据之前的。 



之后我们将使用这个图来推断卷积层的输入(x)和权重(w)的梯度。



2D卷积



现在我们延伸到第二个维度。2D卷积被用作图像滤波器。下面是一个2D图像卷积的例子: 




Matlab与Python示例





手工操作



首先,我们应该翻转内核,然后在输入信号上滑动内核。 





步  长



默认情况下,当我们进行卷积运算时,我们的窗口每次移动一个像素(步幅= 1),但是在卷积神经网络中我们需要移动多个像素。例如,在使用大小为2的内核进行卷积时,我们将使用2的步幅。将步幅和内核大小都设置为2将导致输出沿着两个维度恰好为输入大小的一半。 
观察红色内核窗口下方的移动远远多于一个像素。 




2D的输出尺寸



下面提供了一个公式计算我们卷积之后的输出尺寸 。
如果我们考虑将由P填充的空间大小[H,W]的输入与大小为F的方形核并使用步长S进行卷积,那么卷积的输出大小被定义为: 


F是内核的大小,通常我们使用方形内核,所以F既是内核的宽度又是高度。



实现卷积运算



下面的示例将对一个5x5x3的输入进行卷积,其中具有以下参数Stride=2,Pad=1,F=3(3x3内核)和K=2(两个滤波器)的conv层。 
我们的输入有3个通道,所以需要3x3x3的内核权重。有2个过滤器(K = 2),所以最后会有2个输出。计算这两个输出的大小为:(5 - 3 + 2)/ 2 + 1 = 3。得到最终的尺寸(3x3x2)。


仔细看看这个例子,我们需要计算2个卷积,不要忘了给每个3x3x3滤波器(w0,w1)添加偏差。




参考文献



  • https://en.wikipedia.org/wiki/Convolution

  • https://www.khanacademy.org/math/differential-equations/laplace-transform/convolution-integral/v/introduction-to-the-convolution

  • http://www.dspguide.com/ch6/2.htm



下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 29
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报