大家好啊，我是董董灿。
前面讲到了卷积这一算法。
通俗点讲，卷积就是模仿的人眼识图的过程，以“感受野”的视角去扫描图片，从而获取不同区域的图片信息。
但其实，这并不是卷积算法的核心思想。卷积的核心，是通过设计多个卷积核，同时对一张图片进行卷积操作，以完成不同特征的提取。
本文重点围绕特征提取这一概念，聊一聊卷积。
卷积的数学描述
不想看数学描述的同学可以略过，不影响后面的阅读。
有了之前文章的铺垫，这里说一张图片的尺寸是 [n, h, w, c]，应该不陌生了，其中，
- n 代表的是图片的张数。
- h 代表的是图片的高度，通俗的讲，高度方向上有多少像素。
- w 代表的是图片的宽度，通俗的讲，宽度方向上有多少像素。
- c 代表图片的通道数，例如 RGB 图片，c 等于3。
不论是图片，还是卷积核，其数学描述都是具有n,h,w,c四个维度的数据。
因此，对于卷积算法而言，输入图片尺寸为 [n, hi, wi, c]（下标i代表input，输入），卷积核尺寸为 [kn, kh, kw, c]，输出图片尺寸为[n, ho, wo, kn]（下标o代表output）。
有没有发现：输出图片的channel数与输入图片的channel数不一致，输出图片的channel数与卷积核的个数一致！
图片的特征
这意味着什么？还记得么，channel 代表的是图片的特征，如果我们想让图片呈现出100个特征，怎么办？
用卷积，使用100个卷积核计算，输出图片就具有100个特征。卷积算法，可以通过设计卷积核的个数，随意的提取图片的不同的数量的特征！
说的数学一点，卷积算法，就是通过线性变换，将图片映射到特征空间！
有点绕？没关系，只需要知道，卷积的核心，是提取图片的特征就行了。那么，特征怎么理解呢？
图像特征主要有图像的颜色特征、纹理特征、形状特征和空间关系特征。
RGB图片有3个通道，可以说有3个颜色特征，分别为红色，绿色和蓝色。
那么纹理特征，形状特征和空间特征又是什么意思呢？很简单，纹理特征就是图片的纹理，比如下面这样。
形状特征就是图片中物体的形状，比如下面这样。
那么卷积这一算法在神经网络的训练过程中学习到这些特征了么？
答案是肯定的！卷积不仅学到了这些特征，而且还学到了更多人们不太好描述的特征，这些特征对于人类来说可能毫无意义，但对于神经网络来说，确实十分重要的。
上图是著名的论文《Visualizing and Understanding Convolutional Networks》中的截图，文中提出通过反卷积这一算法，以可视化的视角，形象的展示卷积神经网络在训练过程中到底看到了什么。
所谓反卷积，通俗的理解就是卷积的逆运算。
可以看到，随着神经网络深度的不断加深，卷积提取到的特征逐渐清晰起来。由浅层次的纹理特征，逐步到深层次的形状特征！比如，在Layer 4中已经可以看到狗狗的形象！
事实上，我们希望神经网络展现出来的是，看到一张画着小猫的图片，里面有一个代表猫的特征通道，该通道最终得分最高。
说到这里，即使你是一个AI算法小白，那也应该对卷积有了一些感性的认识。如果你希望了解到更多细节的东西，后面会逐步进行拆解。
Resnet网络
这篇文章的最后，介绍一下Resnet网络。而图像识别这一系列文章，重点拆解的就是Resnet50网络。这是一个图像分类网络。
所谓图像分类，就是它可以将一张图片进行分类。猫就是猫，狗就是狗，飞机就是飞机，大树就是大树。与图像分类不同的，还有图像检测网络。比如物体识别，需要在一张图片上准确的标注出物体是啥以及物体的位置。
这些网络里都大量使用了卷积这一算法，因此这些网络我们也可以称之为卷积神经网络（Convolution Neural Network, CNN)。
回到Resnet50这一卷积神经网络，这一网络由50个卷积层前后连接而成，因此叫Resnet50，除此之外，还有Resnet18，Resnet101等，大致网络结构相似，只是卷积的层数不同。
为什么会有不同的卷积层数呢？
神经网络在学习的时候，每一层学习到的特征是不同的，就比如第一层，它的输入只有3个特征，输出有64个特征，至于这64个特征代表的是什么，可能连神经网络自己也说不清，它就只管学习。一直到最后一层有2048个特征。
到了最后一层，可以比较形象的这么比喻：最后一层共2048个特征，实际上已经代表了2048种物体的分类了。针对一张图片是猫的原始输入，2048个特征中，只有猫这一特征最后的得分最高，因此，网络会把它推理成猫。
这就是卷积算法的核心，特征提取。
欢迎关注@董董灿是个攻城狮 和同名微信公众号
本文作者原创，转载请联系作者，请勿随意转载
