介绍
卷积神经网络（Convolutional Neural Network，CNN）是一种深度学习模型，主要用于处理和识别具有网格结构的数据，如图像和视频。CNN在计算机视觉领域取得了巨大的成功，广泛应用于图像分类、目标检测、人脸识别等任务。
CNN的主要结构
CNN的主要结构其实就三个部分，卷积层，激励层，池化层，我们接下来主要介绍这三个部分
卷积层
卷积层中核心的东西叫做滤波器，他是一个有形状的矩阵，滤波器的作用是提取图片的特征，我们可以设置滤波器的数量，不同滤波器得到的图片包含图片的不同特征
这张图显示了一个滤波器的某时刻的运作过程，最左边的是原图，中间是滤波器，最右边是结果，它会进行一个内积运算，图中也展示了这个过程
我们可以这样思考，不同的滤波器与图片进行的内积结果不同，如果是一个提取轮廓的滤波器，我们可以理解原图中的轮廓特征经过滤波后会得到保留，而背景特征等信息就会逐渐消失
激励层
其实激励层不算一个层，它是作为卷积层的激活函数，它有以下几个优点
- 非线性变换： ReLU 引入了非线性变换，使得 CNN 能够学习更复杂的函数和特征。线性变换的叠加仍然是线性的，而引入非线性激活函数如 ReLU 可以打破这种线性性，使得网络更有能力逼近复杂的函数。
- 稀疏激活性： ReLU 对于正数的输入直接输出，而对于负数的输入则输出零。这种性质使得神经网络中的许多神经元变得非常稀疏，只有在输入为正数时才被激活。这有助于减少模型的参数数量，提高计算效率，并减轻过拟合的风险。
- 特征的稀疏性： ReLU 可以帮助网络更加稀疏地表示学到的特征。通过将负数的激活设为零，ReLU 有助于将不重要的特征过滤掉，保留对任务有贡献的特征。
- 解决梯度消失问题： 相较于一些传统的激活函数（如 sigmoid 和 tanh），ReLU 更容易处理梯度消失的问题。在反向传播过程中，ReLU 的梯度对于正数输入是常数，而对于负数输入是零，这有助于在深层网络中更好地传递梯度，避免梯度消失的问题。
池化层
池化层简而言之是用来降低特征图尺寸，保留重要特征的，提取区域就是池化层的大小，主要的池化层有两种，平均池化与最大池化
平均池化
顾名思义，平均池化就是取区域中的平均值
这幅图中池化层的大小是（2x2）
最大池化
最大池化就是取区域中的最大值
这幅图中池化层的大小也是（2x2）
Kears搭建CNN
搭建代码
以下是使用Keras搭建CNN的代码
# 导入必要的库 from keras.layers import Conv2D, MaxPooling2D from keras.models import Sequential # 构建一个简单的卷积神经网络模型 model = Sequential() model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(224, 224, 3))) model.add(MaxPooling2D((2, 2))) model.add(Conv2D(64, (3, 3), activation='relu')) model.add(MaxPooling2D((2, 2))) model.add(Conv2D(128, (3, 3), activation='relu')) model.add(MaxPooling2D((2, 2)))
先导入Keras中的库，接着构建神经网络，Conv2D构建了一个卷积层，有32个滤波器，每个滤波器的大小是（3，3），MaxPooling2D代表使用最大池化层，池化层大小为（2，2）
直观感受卷积的作用
在这一部分我们通过可视化来直观感受一下卷积神经网络的作用
1.图片导入与处理
# 加载一张彩色图像 image_path = "hou.jpg" img = load_img(image_path, target_size=(224, 224)) img_array = img_to_array(img) img_array = img_array / 255.0 # 归一化 # 将图片扩展维度以符合模型的输入要求 img_array = np.expand_dims(img_array, axis=0)
- 导入图片
- 将图片格式转化为224x224
- 获取图片矩阵
- 归一化， 归一化不会改变原本的图像像素比例，目的是使模型训练过程中更容易收敛
- 拓展维度以适应Keras模型的输入要求
2.构建网络
# 构建一个简单的卷积神经网络模型 model = Sequential() model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(224, 224, 3), padding='same')) model.add(MaxPooling2D((2, 2)))
我们这里就构建一层卷积层，池化层，正常任务中应该多一点，我们先仅了解卷积的作用
3.可视化
# 创建一个新的模型，只包含卷积层部分 convolution_model = Model(inputs=model.input, outputs=model.layers[-1].output) # 获取卷积层的输出 conv_output = convolution_model.predict(img_array) print(conv_output.shape) # 可视化卷积层输出的多个特征图 for i in range(12): plt.subplot(4, 3, i+1) plt.imshow(conv_output[0, :, :, i], cmap='viridis') plt.axis('off') plt.show()
经过卷积后，我们得到32张图片（有32个滤波器），我们展示前12张
得到以下图片
可以看到得到了图片的不同特征，边缘，纹理，光照，形状，轮廓等（经过多层卷积，这些特征会更加显著）
4.完整代码
这一部分我们搭建三层卷积层的完整代码，再看看效果
import numpy as np from keras.models import Model from keras.preprocessing.image import load_img, img_to_array from keras.layers import Conv2D, MaxPooling2D from keras.models import Sequential import matplotlib.pyplot as plt # 构建一个简单的卷积神经网络模型 model = Sequential() model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(224, 224, 3))) model.add(MaxPooling2D((2, 2))) model.add(Conv2D(64, (3, 3), activation='relu')) model.add(MaxPooling2D((2, 2))) model.add(Conv2D(128, (3, 3), activation='relu')) model.add(MaxPooling2D((2, 2))) # 加载一张彩色图像 image_path = "hou.jpg" img = load_img(image_path, target_size=(224, 224)) img_array = img_to_array(img) img_array = img_array / 255.0 # 归一化 # 将图片扩展维度以符合模型的输入要求 img_array = np.expand_dims(img_array, axis=0) # 创建一个新的模型，只包含卷积层部分 convolution_model = Model(inputs=model.input, outputs=model.layers[-1].output) # 获取卷积层的输出 conv_output = convolution_model.predict(img_array) print(conv_output.shape) # 可视化卷积层输出的多个特征图 for i in range(12): plt.subplot(4, 3, i+1) plt.imshow(conv_output[0, :, :, i], cmap='viridis') plt.axis('off') plt.show()
可以看到不同的特征更加的显著（无关特征逐渐消失），这样模型能更好地学习到不同的特征，以进行图像识别等任务
结语
- 卷积神经网络主要用来处理图像，视频等，因为它有提取特征的作用
- 一般通过改变层的数量，滤波器个数，池化层形状等参数调整神经网络的性能
感谢阅读，觉得有用的话就订阅下本专栏吧
