这次我们换个姿势介绍卷积神经网络，用TensorFlow构建CNN

了解用于计算机视觉的卷积神经网络的基础，并使用TensorFlow构建CNN

深度学习的最新进展使得计算机视觉应用实现飞跃：从我们的面部解锁手机到更安全的自动驾驶汽车等等。

卷积神经网络（CNN）是计算机视觉应用背后的架构。在这篇文章中，您将了解CNN和计算机视觉的基础，例如卷积运算、填充、跨步卷积和池化层。然后，我们将使用TensorFlow构建用于图像识别的CNN。

理解卷积

卷积运算是卷积神经网络的构建块，顾名思义。

现在，在计算机视觉领域，图像可以表示为RGB值的矩阵。这个概念实际上是在之前的文章中介绍的。

要完成卷积操作，我们需要一个图像和一个过滤器。

因此，让我们将下面的6x6矩阵视为图像的一部分：

6x6矩阵

过滤器将是以下矩阵：

3x3过滤器

然后，卷积涉及将滤波器叠加到图像矩阵上，添加来自滤波器的值的乘积和来自图像矩阵的值，其将生成4×4的卷积层。

这很难用文字表达，但这里有一个动画可以很好的解释卷积：

卷积操作

在上面的图像矩阵上执行此操作并使用上面定义的过滤器，您可以获得以下结果矩阵：

4x4输出层

你如何解释输出层？

好吧，考虑到每个值都表示颜色，或者像素有多暗（正值表示光，负值表示暗），那么您可以将输出层解释为：

输出层解释

因此，似乎这个特定的滤镜负责检测图像中的垂直边缘！

你如何选择合适的过滤器？

这是一个很自然的问题，因为您可能会发现可以应用于图像的无限数量的过滤器。

事实证明，滤波器矩阵中的精确值可以是基于模型目标的可训练参数。因此，您可以选择适用于特定应用程序的过滤器，也可以使用反向传播来确定过滤器的最佳值，从而产生最佳结果。

在计算机视觉中填充

以前，我们已经看到一个3x3滤波器与6x6图像进行卷积，将产生4x4矩阵。这是因为滤波器有4x4个可能的位置以适合6x6图像。

因此，在每个卷积步骤之后，图像缩小，这意味着只能执行有限数量的卷积，直到图像不再缩小为止。此外，位于图像角落的像素仅使用一次，这会导致神经网络的信息丢失。

为了解决上述两个问题，使用padding。padding包括在输入图像周围添加边框，如下所示：

padding为1的输入图像

如您所见，添加的边框通常用零填充。现在，图像的角点像素将被多次使用来计算输出，从而有效地防止信息丢失。此外，它允许我们在输出中保持输入矩阵形状。

考虑到我们的6x6输入图像，如果我们添加1的padding，我们得到一个8x8矩阵。应用3x3滤波器，这将产生6x6输出。

一个简单的等式可以帮助我们找出输出的形状：

其中n是输入形状，p是padding大小，f是滤波器形状

重申一下，我们有：

• 6x6输入
• padding1
• 3x3过滤器

因此，输出形状将是：6 + 2（1）-3 + 1 = 6.因此，输出将是6x6矩阵，就像输入图像一样！

填充并不总是必需的。但是，使用填充时，通常输出的大小与输入图像的大小相同，这会产生两种类型的卷积。

当没有应用填充时，这称为“有效卷积”。否则，它被称为“相同的卷积”。要确定保持输入图像尺寸所需的填充大小，只需将上面的公式等同于n即可。解决p后，你应该得到：

您可能已经注意到f应该是奇数，以便填充为整数。因此，计算机视觉领域的惯例是奇数滤波器。

跨步卷积

以前，我们已经看到了一个步幅为1的卷积。这意味着滤波器水平和垂直移动了1个像素。

一个跨步卷积是当步幅大于1。在下面的动画中，步幅为2：

步长为2的卷积

现在，考虑到步幅，计算输出矩阵形状的公式为:

作为惯例，如果上面的公式不产生整数，那么我们就四舍五入到最近的整数

汇聚层

汇聚层是减少图像解释大小以增加计算速度的另一种方法，它使检测到的特征更加鲁棒。

最好用图像解释池化。以下是最大池的示例：

使用2x2过滤器进行最大池化

如您所见，我们选择了一个步长为2的2x2滤波器。这相当于将输入分成4个相同的方块，然后我们取每个方块的最大值，并在输出中使用它。

也可以执行平均池化，但它不如最大池化。

您可以将池化视为防止过度拟合的一种方法，因为我们正在从输入图像中删除某些功能。

为什么要使用卷积神经网络？

我们现在对卷积神经网络有很强的基础知识。但是，为什么深度学习从业者会使用它们呢？

与完全连接的层不同，卷积层具有要学习的小得多的参数集。这是因为：

• 参数共享
• 稀疏连接

参数共享指的是一个特征检测器，例如垂直边缘检测器，将在图像的许多部分中有用。然后，连接的稀疏性指的是只有少数特征与某个输出值相关的事实。

考虑到上面的最大池化示例，输出的左上角值仅取决于输入图像的左上角2x2平方。

因此，我们可以训练较小的数据集并大大减少要学习的参数数量，使CNN成为计算机视觉任务的一个很好的工具。

使用TensorFlow构建CNN

足够理论，让我们编码CNN进行手势识别。我们重新审视之前的项目，看看CNN是否会表现更好。

与往常一样，这里有完整的内容。

第1步：预处理图像

导入所需的库和资产后，我们加载数据并对图像进行预处理：

第2步：创建占位符

然后，我们为功能和目标创建占位符：

第3步：初始化参数

然后我们使用Xavier初始化初始化我们的参数：

第4步：定义前向传播

现在，我们定义前向传播步骤，这实际上是我们CNN的架构。我们将使用具有2个卷积层和最终完全连接层的简单3层网络：

第5步：计算成本

最后，我们定义一个计算成本的函数：

第6步：将所有功能组合到一个模型中化

现在，我们将上述所有功能合并到一个CNN网络中。我们将使用小批量梯度下降进行训练：

现在，我们可以运行我们的模型并查看它的执行情况：

就我而言，我只使用CPU在笔记本电脑上训练了CNN，结果非常糟糕。如果你在具有更好CPU和GPU的桌面上训练CNN，你肯定会得到比我更好的结果。

恭喜！您现在对CNN和计算机视觉领域有很好的了解。虽然还有很多东西需要学习，但更高级的技术使用这里介绍的概念作为构建块。

编译出品