一、计算机视觉

包括三个部分：

　　1、图像分类（猫狗识别）

　　2、目标检测（比如自动驾驶目标检测）

　　3、图像神经风格转化，两个图片的风格进行融合

 二、边缘检测示例

常见的有两种边缘检测：垂直边缘检测和水平边缘检测

1、卷积的运算过程是这样的：

　　有一张图片，有一个滤波器（或者叫卷积核），然后两个进行卷积计算，得到新的图片，卷积运算就是对应相乘相加

2、比如垂直边缘检测，用以下的滤波器（数字比较大的话比较亮），通过特殊卷积核的计算，就可以突出图片的边缘部分

 三、更多边缘检测

除了有垂直的、水平的边缘检测，通过不同的滤波器会有更多的检测，比如偏向中心的检测

然而现在我们并不需要手动去写这些滤波器，而是通过把这些参数作为w来通过反向传播学习得到，这样的效果会更好

 

 四、Padding

 一个n*n的图片经过f*f的滤波器处理后会变成n-f+1 * n-f+1的图片，这就导致两个问题

　　1、图片变小了，如果神经网络层数越来越多，会越来越小　　

　　2、边缘部分的信息用到很少

卷积的方式两种：

　　1、valid:不填充

　　2、使用0的像素填充周边一圈，填充的p = （f-1）/2,这样就能够让卷积之后的图像与没卷积的一样大，这个叫same

通常使用基数比如3*3,5*5的过滤器，因为这里的p = （f-1）/2奇数除的断

 

五、卷积步长

步长（stride）表示过滤器在图片中每次水平或者垂直移动的步长，前面我们都是1，如果添加步长，那么最终得到的图片大小如下公式

 

六、在多通道上的卷积

 对于3通道的RGB图片，我们同样可以使用3通道的过滤器来进行卷积，然后把这三个过滤器结果加起来得到最终的图片（6*6*3和3*3*3的过滤器得到4*4的图片，注意这里图片只是4*4）

如果我们不仅要在垂直方向上检测，还有水平呢，这就可以使用多个过滤器

每个过滤器得到的结果，叠加在一起就得到最终的4*4*2

 

七、单层卷积网络

卷积网络的结构如下，其实这个和普通的神经网络是类似的

 

以上的式子的参数一共有多少个呢：3*3*3 = 27个，加上偏置1个，等于28个，两个过滤器一共56个参数，也就是不管图片多大，我们都只有五十几个参数，这样就大大减小了过拟合的问题。

以下总结一下CNN的标记

 

八、简单卷积网络示例

使用前面的那些概念，我们很容易把一个长宽比较大，厚度比较小的变成最后的长宽比较小，厚度比较大的图片，然后再把图片拉长，最后套一个logistic或者softmax形成最终的预测值

CNN通常有三层，分别是：

　　1、卷积层 convolution   conv

　　2、池化层 pooling    pool

　　3、全连接层 fully connected   fc

 

九、池化层

池化层很简单，这里演示的是max_pooling，就是当过滤器窗口滑动过程中选择最大值就可以，如果有多个，通道，同样最后的结果也是多个通道

除了max_pooling，还有average_pooling不过不常用

池化层的参数很少，只要确定过滤器的大小，和stride步长就可以，池化层很少用到padding

 

十、卷积神经网络示例

一个卷积层跟着一个池化层，最后再连接全连接层，整个网络的参数如下

conv1:5*5*3*6+6 = 456

conv2:5*5*6*16+16=2416

 fc3 = 5*5*16 = 400  然后400*120+120 = 48120

fc4 = 120*84+84 = 10164

sofgmax：84*10+10

 

十一、为什么使用卷积

相比标准神经网络，CNN的优势之一就是参数数目要少得多。参数数目少的原因有两个：

• 参数共享：一个特征检测器（例如垂直边缘检测）对图片某块区域有用，同时也可能作用在图片其它区域。

• 连接的稀疏性：因为滤波器算子尺寸限制，每一层的每个输出只与输入部分区域内有关。

除此之外，由于CNN参数数目较小，所需的训练样本就相对较少，从而一定程度上不容易发生过拟合现象。而且，CNN比较擅长捕捉区域位置偏移。也就是说CNN进行物体检测时，不太受物体所处图片位置的影响，增加检测的准确性和系统的健壮性。