深度学习之卷积神经网络(CNN)_深度学习 cnn

什么是卷积神经网络

• 卷积神经网络的历史就不多阐述了，它的灵感来源于对生物的视觉系统的研究，卷积神经网络是受生物学上感受野的机制而提出的，感受野（receptive field）主要是指听觉、视觉等神经系统中一些神经元的特性，即神经元只接受其所支配的刺激区域内的信号。一个神经元的感受野是指视网膜上的特定区域，只有区域内的刺激才会激活该神经元。
• 目前卷积神经网络一般由卷积层、汇聚层和全连接层交叉堆叠而成，利用反向传播算法进行训练。卷积神经网络有三个特性：局部连接、权重共享以及子采样，这些特性使得卷积神经网络具有一定程度上的平移、缩放和旋转不变性，这也符合人的视觉特点，和前馈神经网络相比，其参数更少。
• 卷积神经网络(CNN) 属于人工神经网络的一种，它的权重共享的网络结构显著降低了模型的复杂度，减少了权值的数量。卷积神经网络可以直接将图片作为网络的输入，自动提取特征，并且对图片的变形（如平移、比例缩放、倾斜）等具有高度不变形。
• 卷积神经网络(Convolutional Neural Networks，CNN)，CNN可以有效的降低 反馈神经网络(传统神经网络)的复杂性，常见的CNN结构有LeNet-5、AlexNet、 ZFNet、VGGNet、GoogleNet、ResNet等等，CNN的应用主要是在图像分类和物体识别等应用场景应用比较多

卷积网络的发展

LeNet：（最早用于数字识别的CNN
）

• 广为流传LeNet诞生于1998年，网络结构比较完整，包括卷积层、pooling层、全连接层，这些都是现代CNN网络的基本组件。被认为是CNN的开端。

AlexNet：（2012年ILSVRC比赛冠军，远超第二名的CNN，比LeNet更深，用多层 小卷积叠加来替换单个的大卷积）

• 2012年Geoffrey和他学生Alex在ImageNet的竞赛中，刷新了image classification的记录，一举奠定了deep learning 在计算机视觉中的地位。这次竞赛中Alex所用的结构就被称为作为AlexNet。

对比LeNet，AlexNet加入了：
（1）非线性激活函数：ReLU；
（2）防止过拟合的方法：Dropout，Data augmentation。同时，使用多个GPU，LRN归一化层。其主要的优势有：网络扩大（5个卷积层+3个全连接层+1个softmax层）；解决过拟合问题（dropout，data augmentation，LRN）；多GPU加速计算。

ZFnet:（2013ILSVRC冠军）

• ZFNet 是由 Matthew D.Zeiler 和 Rob Fergus 在 AlexNet 基础上提出的大型卷积网络，在 2013 年 ILSVRC 图像分类竞赛中以 11.19% 的错误率获得冠军。ZFNet 实际上并不是 ILSVLC 2013 的赢家。相反，当时刚刚成立的初创公司 Clarifai 是 ILSVLC 2013 图像分类的赢家。又刚刚好 Zeiler 是 Clarifai 的创始人兼首席执行官，而 Clarifai 对 ZFNet 的改动较小，故认为 ZFNet 是当年的冠军

VGG-Net：（2014ILSVRC比赛中算法模型，效果率低于GoogleNet）

• VGG-Net来自 Andrew Zisserman 教授的组 (Oxford)，在2014年的 ILSVRC localization and classification 两个问题上分别取得了第一名和第二名，其不同于AlexNet的地方是：VGG-Net使用更多的层，通常有16－19层，而AlexNet只有8层。同时，VGG-Net的所有 convolutional layer 使用同样大小的 convolutional filter，大小为 3 x 3。

GoogLeNet：（2014ILSVRC冠军）

• 提出的Inception结构是主要的创新点，这是（Network In Network）的结构，即原来的结点也是一个网络。其使用使得之后整个网络结构的宽度和深度都可扩大，能够带来2-3倍的性能提升。

Resnet：（2015ILSVRC冠军，结构修正以适应更深层次的CNN训练 ）

• ResNet提出了一种减轻网络训练负担的残差学习框架，这种网络比以前使用过的网络本质上层次更深。其明确地将这层作为输入层相关的学习残差函数，而不是学习未知的函数。在ImageNet数据集用152 层（据说层数已经超过1000==）——比VGG网络深8倍的深度来评估残差网络，但它仍具有较低的复杂度。在2015年大规模视觉识别挑战赛分类任务中赢得了第一。

卷积神经网络

主要层次结构

数据输入层：Input Layer

作用：卷积网络的原始输入，可以是原始或预处理后的像素矩

• 需要把图片处理成同样大小的图片才能够进行处理。
• 对于输入的数据需要做预处理，原因如下：

  • 输入数据单位不一样，可能会导致神经网络收敛速度慢，训练时间长

  • 数据范围大（方差大）的输入在模式分类中的作用可能偏大，而数据范围小的作用就有可 能偏小

  • 由于神经网络中存在的激活函数是有值域限制的，因此需要将网络训练的目标数据映射到 激活函数的值域

  • S形激活函数在(-4, 4)区间以外区域很平缓，区分度太小。例如S形函数f(X)，f(100)与f(5) 只相差0.0067

  • 预处理方式：
    在数据预处理的时候一般都采用去均值和者归一化比较多！！！

    • 去均值：将输入数据的各个维度中心化到0

    • 归一化：将输入数据的各个维度的幅度归一化到同样的范围
      

    • PCA/白化

      • 用PCA降维（去掉特征与特征之间的相关性）
      • 白化是在PCA的基础上，对转换后的数据每个特征轴上的幅度进行归一化
        

卷积计算层：CONV Layer

作用：参数共享、局部连接，利用平移不变性从全局特征图提取局部特征
卷积就是通过卷积核（滤波器）来提取高阶特征！！！

• 对图像（不同的数据窗口数据）和滤波矩阵（一组固定的权重：因为每个神经元的多个权重固定，所以又可以看做一个恒定的滤波器filter）做内积（逐个元素相乘再求和）的操作就是所谓的『卷积』操作，也是卷积神经网络的名字来源。
  
  不同大小的滤波器提取不同的特征（颜色深浅，轮廓大小）
  

• 卷积计算层：

  • 局部关联：每个神经元看做一个filter/kernel

  • 窗口(receptive field)滑动，filter对局部数据进行计算

  • 相关概念

    • 输入特征图的深度： depth == channel
    • 卷积核大小(滤波器): kernel size
    • 输出深度==卷积核个数 （神经元个数，决定输出的depth厚度。同时代表滤波器个数。）
    • 步幅：stride决定滑动多少步可以到边缘。（取值：1 2 4 ）
    • 填充值：zero-padding （在外围边缘补充若干圈0，方便从初始位置以步长为单位可以刚好滑倒末尾位置，通俗地讲就是为了总长能被步长整除。）
    • 填充方式：same 或者 valid
      “SAME”：不填充
      “VALID”：首先尝试两边均匀填充（如果没法平分，就将平分之后剩余的填充在右边或下面）

  • 卷积过程如图：
    一 组 固 定 的 权 重 和 窗 口 内 数 据 做 矩 阵 内 积 后 求 和 的 过 程 叫 做 卷 积
    

• 局部感知： 在进行计算的时候，将图片划分为一个个的区域进行计算/考虑；

• 参数共享机制：假设每个神经元连接数据窗的权重是固定的

• 滑动窗口重叠：降低窗口与窗口之间的边缘不平滑的特性。

• 固定每个神经元的连接权重，可以将神经元看成一个模板；也就是每个神经元只 关注一个特性

• 需要计算的权重个数会大大的减少

• 卷积shape的计算方式：

ReLU激励层：ReLU Incentive Layer

作用：将卷积层的输出结果进行非线性映射

将卷积层的输出结果做一次非线性的映射，也就是做一次‘’激活‘’。
激活函数是将输出结果做非线性映射，为了使模型获得非线性的能力

• sigmoid函数：

  • 优点：
    • 取值范围(0~1)、简单、容易理解
  • 缺点：
    • 容易饱和和终止梯度传递(“死神经元”)；
    • sigmoid函数的输出没有0中心化。

• tanh函数：

  • 优点：取值范围(-1~1)、易理解、0中心化
  • 缺点： 容易饱和和终止梯度传递(“死神经元”)。

• ReLu函数：修正线性单元，有可能出现斜率为0，但概率很小，因为mini-batch是一批样本损失求导之和。

  • 缺点： 没有边界，可以使用变种ReLU6: min(max(0,x), 6) 比较脆弱，比较容易陷入出现”死神经元”的情况
  • 优点： 相比于Sigmoid和Tanh，提升收敛速度 梯度求解公式简单，不会产生梯度消失和梯度爆炸

• Leaky ReLU激活函数：

  • 在ReLU函数的基础上，对x≤0的部分进行修正；
  • 目的是为了解决ReLU激活函数中容 易存在的”死神经元”情况的；不过实际场景中：效果不是太好。

• ELU激活函数：

  • 指数线性激活函数，同样属于对ReLU激活函数的x≤0部分的转换进行指数修正，而 不是和Leaky ReLU中的线性修正。

激活函数建议：CNN隐藏层一般不使用sigmoid（排除做attention用），如果要使用，建议只在全连接层使用。首先使用ReLU，因为迭代速度快，但是有可能效果不佳。如果使用ReLU失效的情况下，考虑使用Leaky ReLu或者ELU，此时一般情况都可以解决。tanh激活函数在某些情况下有比较好的效果，但是应用场景比较少

池化层：Pooling Layer

作用：进一步筛选特征，可以有效减少后续网络层次所需的参数量
也叫下采样层，就算通过了卷积层，维度还是很高 ，需要进行池化层操作。
在池化层中，可以获得更大视野特征图。但又无需增加参数量（比如通过7*7获得同样特征图）

• 主要功能是：
  • 通过逐步减小表征的空间 尺寸来减小参数量和网络中的计算；
  • 池化层在每个特征图上独立操作。
  • 使用池化 层替代卷积层可以达到压缩数据和参数的量，减小过拟合

方式有：Max pooling、average pooling
最大池化Max pooling，3，4

• 取出每个部分的最大值作为输出，例如上图左上角的4个粉色方块取最大值为6作为输出，以此类推（8，3，4）。

平均池化：average pooling

• 每个部分进行计算得到平均值作为输出，例如上图左上角的4个粉色方块取得平均值3作为输出，以此类推（5，2，2）。

全连接层：FC Layer

作用：用于把该层之前提取到的特征综合起来。

• 类似传统神经网络中的结构，FC层中的神经元连接着之前层次的所有激活输出； 换一句话来讲的话，就是两层之间所有神经元都有权重连接；通常情况下，在 CNN中，FC层只会在尾部出现

备注：Batch Normalization Layer（可能有）

• Batch Normalization Layer(BN Layer)是期望我们的结果是服从高斯分布的， 所以对神经元的输出进行一下修正，一般放到卷积层/FC层后，池化层前。
• 在模型训练的时候，由于模型参数在发生更新，那么除了输入层 的数据之外，后面网络的每一层的输入数据分布都是一直在发生 变化的。网络中间层的训练过程中，数据分布的改变被称为 ‘内部协方差偏移（Internal Covariate Shift）’。而BN的提出就是为了解决在训练过程中，中间层数据分布发生改变的情况。

批归一化计算方式
强制的进行归一化操作可能存在一些问题，eg: 方差为1等
若仅做归一化，而不重新缩放和位移(BN)，则模型会不学习。

如Sigmoid激活函数。这个函数在-1~1之间的梯度变化不大，可以近视为线性函数，如下图：
Tanh函数在0附近也近视线性函数。 所以需要转换才能将分布从0移开， 使用缩放因子γ和移位因子β（学习的参数）来执行此操作，如下图：
批归一化BN的原理是平滑了损失函数
批归一化的作用

• 网络训练更快 – 神经网络每一次迭代都会做大量的计算（正向和反向，以及调整超参数），导致很慢。如果能够更 快的收敛，那么整体训练速度自然要快很多。
• 允许更大的学习率 – 梯度下降算法要求使用非常小的学习率，网络才能收敛。网络越深，反向传播的梯度也会越小， 就需要更多的迭代来学习。批归一化允许我们使用相对来说大一些的学习率，可以加速网络训练。
• 权重初始化更容易 – 权重初始化是很难的，特别是当网络越来越来深。批归一化允许我们不用过分关心权重初始化 的值。 - 使激活函数有更多选择 – 部分激活函数有使用条件限定。Sigmoids不能用于深度网络中，因其丢失梯度过高。 ReLUs经常会梯度消失而导致网络完全停止学习，所以非常小心值域范围（读入激活函数的）。但批归一化对任何进入 激活函数的值都做了规范，所以之前在深度网络中表现不好的非线性函数也可以作为备选项了。
• 创建深度网络更简单 – 基于1-4原因，使用批归一化创建并训练深度网络更简单。当然网络越深，一般而言，效果 越好。
• 提供了一些正则化作用 – 批归一化是在网络中增加了一些噪音。实际起了一定的dropout功能，所以在使用了批归 一化网络中，可以考虑减少dropout的使用。
• 总之，让网络效果更佳 – 有一些测试表明批归一化能够改进网络效果。BN是优化网络速度的手段， 而不是提升网络精度的方法。显然，若你可以训练的更快，意味着你可以尝试更多网络设计方案，迭代 更多次，也可以构建更深的网络（效果更佳）。最终你通过批归一化达到提升网络效果。

优点or缺点

• 优点：
  • 梯度传递(计算)更加顺畅，不容易导致神经元饱和（防止梯度消失(梯度弥 散)/梯度爆炸）
  • 学习率可以设置的大一点
  • 对于初始值的依赖减少
• 缺点：
  • 如果网络层次比较深，加BN层的话，可能会导致模型训练速度很慢。

批归一化使用的位置：CNN中在激活函数之前使用，RNN在每层输入之前，最后输出层 都不加。

几种批归一化

Batch Normalization Layer：

• 在CNN中，由于CNN的特征是对应到一个feature map特征图 上的，所以在CNN中做BN的时候不是以神经元作为单位，而是 以feature map特征图作为单位的。也就是针对一个批次中的一 个channel的所有feature map计算一对参数γ、β。这样可以减 少模型参数的数目

Layer Normalization Layer

• 在Layer Normalization中，是针对不同样本计算当前样本的所有神经元的均 值和方差，也就是说在LN中，同层神经元输入拥有相同的均值和方差，不同的 输入样本具有不同的均值和方差；而在BN中，同层的不同神经元输入的是不同 的均值和方差，而同一个batch中的所有样本拥有相同的方差和均值。
• 主要优点：不受样本批次大小的影响。在RNN上效果比较明显，但是在CNN 上，效果不及BN

Instance Normalization Layer

• 在BN中注重对于每个batch中的数据进行归一化操作，保证数据的一致 性，是因为在判别模型中的结果一般取决于数据整体分布情况。
• 但是在图像风格化中，生成的结果主要依赖于某个图像的实例，所以对 整个batch做归一化不是特别的适合，比较适合对每个feature map特征 图(HW)做归一化操作，能够保证各个图像实例之间的独立。
• 优点：不受样本批次大小影响，保证每个feature map的独立性。

Group Normalization Layer

• 主要针对于BN中对于小batchsize效果差的问题，在GN中将 channel方向分为不同的group，然后每个group中计算归一化 操作，计算(C//G)WH的均值、方差，然后进行归一化操作， 这样计算出来的结果和batchsize没有关系，效果比较不错。
• 优点：对于小batchsize的模型效果也非常不错。

Switchable Normalization Layer

• Switchabel Normalization是针对于BN、LN、IN、GN是完全 人工设计，并且没法通用，每个归一化层的设计需要涉及大量的 实验，工作量比较大，SN的就是为了提出一个自适配归一化方法， 会自动的为神经网络中的每个归一化层确定一个合适的归一化操 作。
• 优点：自适应的归一化层，和业务的耦合性最低。

卷积神经网络优缺点

• 优点
  • 共享卷积核(共享参数)，对高维数据的处理没有压力
  • 无需选择特征属性，只要训练好权重，即可得到特征值
  • 深层次的网络抽取图像信息比较丰富，表达效果好
  • 不同层次有不同形式与功能。
• 缺点
  • 需要调参，需要大量样本，训练迭代次数比较多，最好使用GPU训练
  • 黑箱：物理含义不明确，从每层输出中很难看出含义来

参数的初始化？

在卷积神经网络中，可以看到神经元之间的连接是通过权重w以及偏置b实现的。一个好的初始化参数对模型的效果有很大的帮助。

• 权重的初始化
  • 一般方式：很小的随机数(对于多层深度神经网络，太小的值会导致回传的梯度非常小)，一般随机 数是服从均值为0，方差未知(建议：2/n, n为权重数量，论文地址) 的高斯分布随机数列。
  • 错误方式：全部初始化为0，全部设置为0，在反向传播的时候是一样的梯度值，那么这个网络的 权重是没有办法差异化的，也就没有办法学习到东西。
• 偏置项的初始化
  • 一般直接设置为0，在存在ReLU激活函数的网络中，也可以考虑设置为一个很小的数字

过拟合问题

神经网络的学习能力受神经元数目以及神经网络层次的影响，神经元数目越大，神经 网络层次越高，那么神经网络的学习能力越强，那么就有可能出现过拟合的问题；(通 俗来讲：神经网络的空间表达能力变得更紧丰富了)

Regularization：

• 正则化，通过降低模型的复杂度，通过在cost函数上添加一个正 则项的方式来降低overfitting，主要有L1和L2两种方式

Dropout

• Dropout：通过随机删除神经网络中的神经元来解决overfitting问题，在每次迭代 的时候，只使用部分神经元训练模型获取W和d的值
• 一般情况下，对于同一组训练数据，利用不同的神经网络训练之后，求其输出的 平均值可以减少overfitting。Dropout就是利用这个原理，每次丢掉一半左右的隐 藏层神经元，相当于在不同的神经网络上进行训练，这样就减少了神经元之间的依 赖性，即每个神经元不能依赖于某几个其它的神经元（指层与层之间相连接的神经 元），使神经网络更加能学习到与其它神经元之间的更加健壮robust（鲁棒性）的 特征。另外Dropout不仅减少overfitting，还能提高测试集准确率。（训练数据集 有时会降低）

正则化是通过给cost函数添加正则项的方式来解决过拟合，Dropout是通过 直接修改神经网络的结构来解决过拟合

池化的反向传播

传统的神经网络无论是隐层还是激活函数的导数都是可导，可以直接计算出导数函数，然而在CNN网络中存在一些不可导的特殊环节，比如Relu等不可导的激活函数、造成维数变化的池化采样、已经参数共享的卷积环节。NN网络的反向传播本质就是梯度（可能学术中会用残差这个词，本文的梯度可以认为就是残差）传递，所以只要我们搞懂了这些特殊环节的导数计算，那么我们也就理解CNN的反向传播。

Relu函数的导数计算

先从最简单的开始，Relu激活在高等数学上的定义为连续（局部）不可微的函数，它的公式为
R e l u ( x ) = { x , x > 0 0 , x ≤ 0 Relu(x) = \left\{

$$\begin{array}{lr} x, & x>0\\ 0, & x\leq0 \end{array}$$ \right. Relu(x)={x,0,​x>0x≤0​

其在x=0处是不可微的，但是在深度学习框架的代码中为了解决这个直接将其在x=0处的导数置为1，所以它的导数也就变为了
δ R e l u ( x ) = { 1 , x > 0 0 , x ≤ 0 \delta_{Relu(x)} = \left\{

$$\begin{array}{lr} 1, & x>0\\ 0, & x\leq0 \end{array}$$ \right. δRelu(x)​={1,0,​x>0x≤0​

Pooling池化操作的反向梯度传播

CNN网络中另外一个不可导的环节就是Pooling池化操作，因为Pooling操作使得feature map的尺寸变化，假如做2×2的池化，假设那么第l+1层的feature map有16个梯度，那么第l层就会有64个梯度，这使得梯度无法对位的进行传播下去。其实解决这个问题的思想也很简单，就是把1个像素的梯度传递给4个像素，但是需要保证传递的loss（或者梯度）总和不变。根据这条原则，mean pooling和max pooling的反向传播也是不同的。

平均池化：mean pooling

mean pooling的前向传播就是把一个patch中的值求取平均来做pooling，那么反向传播的过程也就是把某个元素的梯度等分为n份分配给前一层，这样就保证池化前后的梯度（残差）之和保持不变，还是比较理解的，图示如下 ：
mean pooling比较容易让人理解错的地方就是会简单的认为直接把梯度复制N遍之后直接反向传播回去，但是这样会造成loss之和变为原来的N倍，网络是会产生梯度爆炸的。

最大池化：max pooling

max pooling也要满足梯度之和不变的原则，max pooling的前向传播是把patch中最大的值传递给后一层，而其他像素的值直接被舍弃掉。那么反向传播也就是把梯度直接传给前一层某一个像素，而其他像素不接受梯度，也就是为0。所以max pooling操作和mean pooling操作不同点在于需要记录下池化操作时到底哪个像素的值是最大，也就是max id。

CNN中骨架网络图

LeNet

LeNet-5

AlexNet

改进：引入了局不响应归一化 （加与不加相差了一个百分点）
结构优化：
修正线性函数ReLU
使用最大池化不带参数 提取丰富的特征
使用Dropout Data augmentation（数据增强）
这是第一个在超大数据集上训练的神经网络
使用了GPU训练，当时受限于GPU 所以做了分组训练
加入了LRN（局不响应归一化）参考了生物学上抑制神经元过于活跃的现象（只做了归一化没有学习参数beta game）

GoogleNet

为什么加入辅助分类器（图中黑框）：

• 1.因为网络太深，导致在连续链式求导的过程中出现了梯度消散的问题，使模型退化
• 2.因为连续的链式求导，中间有若干个值是小于1的，或在正负1之间，小于1的值在
  链式求导的过程中越来越小，最后得到的梯度值趋近于0，导致模型的退化，能力下降

辅助分类器（只在训练的时候使用）：

• 1.对模型进行反向传播，帮助模型减少梯度消散
• 2.反向传播时如果给原始标签的话，导致分类器太强，所以认为的加入一些因素，人为的削减，给标签乘上一个0.几的小数（0.3或0.5，由实验结果得到），使反向传播的误差小一点

ZF Net

• ZF Net 基于AlexNet进行微调
• 修改窗口大小和步长
• 使用稠密单GPU的网络结构替换AlexNet的稀疏双GPU结构
• Top5错误率11.2%
• 使用ReLU激活函数和交叉熵损失函数

VGG

前面参数少 卷积少 随着卷积后面的参数量大 卷积多提取更细致

ResNet