CNN卷积神经网络学习笔记（特征提取）_cnn特征提取

一、CNN卷积神经网络可以干的事情：

检测任务

分类和检索：

 

 超分辨率重构：

字体识别、人脸识别、医学任务、自动驾驶任务等

总结：特征提取相关 

二、卷积神经网络的整体架构：

（1）输入层

H*W*C的三维数据

（2）卷积层（提取特征）

权重参数矩阵 filterW

当前区域数据 ：将输入数据划分成小区域，对每个区域进行特征提取

滑动窗口步长：

卷积核尺寸：

H*W，一般是3*3

边缘填充：

边缘的点被提取次数少，所以给边界padding一圈之后，让边缘点提取次数增多，一定程度上弥补了边界特征缺失的问题。一般都padding0，让增加值对结果不产生影响。 

偏置项

在权重矩阵和区域计算内积之后，加上偏置项才是最后的特征图数据

卷积核个数：

有几个卷积核，就得到几个特征图

 

 

 

 用同样一组卷积核对每个区域进行特征提取

对每个通道进行卷积，最后结果加和

(3)Relu:

relu函数是常见的激活函数中的一种，表达形式如下：

Relu其实就是个取最大值的函数。 

 

如果不用激活函数，在这种情况下每一层输出都是上层输入的线性函数。容易验证，无论神经网络有多少层，输出都是输入的线性组合，与没有隐藏层效果相当，这种情况就是最原始的感知机（Perceptron）了。因此引入非线性函数作为激活函数，这样深层神经网络就有意义了（不再是输入的线性组合，可以逼近任意函数）。最早的想法是sigmoid函数或者tanh函数，输出有界，很容易充当下一层输入。

引入ReLu的原因

第一，采用sigmoid等函数，算激活函数时（指数运算），计算量大，反向传播求误差梯度时，求导涉及除法，计算量相对大，而采用Relu激活函数，整个过程的计算量节省很多。

第二，对于深层网络，sigmoid函数反向传播时，很容易就会出现 梯度消失 的情况（在sigmoid接近饱和区时，变换太缓慢，导数趋于0，这种情况会造成信息丢失），从而无法完成深层网络的训练。

第三，ReLu会使一部分神经元的输出为0，这样就造成了 网络的稀疏性，并且减少了参数的相互依存关系，缓解了过拟合问题的发生。

Relu函数的优势

1、没有饱和区，不存在梯度消失问题，防止梯度弥散；

2、稀疏性；

3、没有复杂的指数运算，计算简单、效率提高；

4、实际收敛速度较快，比 Sigmoid/tanh 快很多；

5、比 Sigmoid 更符合生物学神经激活机制。

（4）池化层（压缩，下采样）

最大池化的效果一般都比平均池化的效果好，所以现在一般都使用最大池化 

（5）全连接层

全连接层（fully connected layers，FC）在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”（下面会讲到这个分布式特征）映射到样本标记空间的作用。在实际使用中，全连接层可由卷积操作实现：

对前层是全连接的全连接层可以转化为卷积核为1x1的卷积；而前层是卷积层的全连接层可以转化为卷积核为hw的全局卷积，hw分别为前层卷积结果的高和宽。

全连接的核心操作就是矩阵向量乘积 y = Wx

（6）感受野

 

 

三、几个经典的卷积神经网络：

（1）VGG-16

vgg16总共有16层，13个卷积层和3个全连接层，第一次经过64个卷积核的两次卷积后，采用一次pooling，第二次经过两次128个卷积核卷积后，再采用pooling，再重复两次三个512个卷积核卷积后，再pooling，最后经过三次全连接。

VGG16的卷积核
conv3-xxx：卷积层全部都是3*3的卷积核，用上图中conv3-xxx表示，xxx表示通道数。其步长为1，用padding=same填充。池化层的池化核为2*2

设置padding的属性值是 SAME ，则表示【输出层尺寸 = 输入层尺寸】
input（224x224 RGB image） ：指的是输入图片大小为224*244的彩色图像，通道为3，即224*224*3；
maxpool ：是指最大池化，在vgg16中，pooling采用的是2*2的最大池化方法；
FC-4096 :指的是全连接层中有4096个节点，同样地，FC-1000为该层全连接层有1000个节点；
padding：指的是对矩阵在外边填充n圈，padding=1即填充1圈，5X5大小的矩阵，填充一圈后变成7X7大小；
最后补充，vgg16每层卷积的滑动步长stride=1，padding=1，卷积核大小为333；

卷积计算 
1）输入图像尺寸为224x224x3，经64个通道为3的3x3的卷积核，步长为1，padding=same填充，卷积两次，再经ReLU激活，输出的尺寸大小为224x224x64 
2）经max pooling（最大化池化），滤波器为2x2，步长为2，图像尺寸减半，池化后的尺寸变为112x112x64 
3）经128个3x3的卷积核，两次卷积，ReLU激活，尺寸变为112x112x128 
4）max pooling池化，尺寸变为56x56x128 
5）经256个3x3的卷积核，三次卷积，ReLU激活，尺寸变为56x56x256 
6）max pooling池化，尺寸变为28x28x256 
7）经512个3x3的卷积核，三次卷积，ReLU激活，尺寸变为28x28x512 
8）max pooling池化，尺寸变为14x14x512 
9）经512个3x3的卷积核，三次卷积，ReLU，尺寸变为14x14x512 
10）max pooling池化，尺寸变为7x7x512 
11）然后Flatten()，将数据拉平成向量，变成一维51277=25088。 
11）再经过两层1x1x4096，一层1x1x1000的全连接层（共三层），经ReLU激活 
12）最后通过softmax输出1000个预测结果

（2）Resnet:

四、安装pytorch：

安装PyTorch详细过程_pytorch安装_MC云鸷骚峰的博客-CSDN博客

按照上述过程安装pytorch

Pytorch安装完成后Pycharm如何配置环境并测试Pytorch_supreluc的博客-CSDN博客

之后在按照上述过程配置好pycharm的环境