前置芝士：
神经网络
前言
人脑视觉机理，是指视觉系统的信息处理在可视皮层是分级的，大脑的工作过程是一个不断迭代、不断抽象的过程。视网膜在得到原始信息后，首先经由区域V1初步处理得到边缘和方向特征信息，其次经由区域V2的进一步抽象得到轮廓和形状特征信息，如此迭代地经由更多更高层的抽象最后得到更为精细的分类。
比如，人眼判断一只气球的过程如下：从原始信号摄入开始（瞳孔摄入像素 Pixels），接着做初步处理（大脑皮层某些细胞发现边缘和方向），然后抽象（大脑判定，眼前的物体的形状，是圆形的），然后进一步抽象（大脑进一步判定该物体是只气球）。
如图来说，人眼所得到的最基础的信息是各种像素，在往上会提取到各种边缘，然后是各个局部（比如眼睛，嘴巴），最后形成对整个物体的印象。
卷积神经网络就是从人眼受到启发，从而实现了一种由局部特征判断整体的方法。
一.简介
在卷积神经网络出现前，计算机图像处理是个很麻烦的东西。首先图像本身数据量非常大，其次对于计算机来说，图像其实就是一个数组，失去了人眼看来的物体特征，无法一眼看出图像中是什么东西。
卷积神经网络 Convolutional Neural Network （CNN）的出现，使得计算机拥有了提取图片特征的能力。它在我上述提到的两个地方做出了优化。
1.缩小图像规模
一个数据量很大的图像，保留了非常多无用的细节（指的是判断上），以贴近生活的例子来说，当我们看视频时，不论使用蓝光4K还是标清360P，都能看出画面的主体是人还是什么动物。卷积神经网络使用了池化来减小图像的规模
一般池化采用的方式有平均值池化和最值池化，就是对目标区域取平均值或者最值填到对应区域内。
2.提取图像特征
这里是用到了卷积的方式。
他的大体过程就是利用卷积核对图像进行过滤，得到一个新的图像。如果过滤后的结果越大，表示图像越接近卷积核的特征
二.结构
从网络上找到了一张图，可以比较清晰地看出卷积神经网络的结构
最左边是数据输入层，一般进行的操作是去均值（就是所有的数据都同时减去均值）。这样可以防止数据过拟合。因为在神经网络特征值x较大时，很容易导致w*x+b较大，这样在进行激活函数输出时，会导致对应变化量很小。而在反向传播中，我们用到了梯度下降法，过小的变化量会导致梯度消散，更加易于拟合，效果不好。
CONV是卷积层，它的主要作用是用一个滤波器去卷积一个给定的输入，再加上对应的偏置，得到一个新的图层。
RELU是激励层，这个名字的原因是使用了RELU函数。这层我在不同博客的讲解中见到了不同的说法，有的把它作为卷积层的一部分，有的把它单独拿出来。我这里为了让整个过程更直观，还是把它单独拿出来了。
POOL是池化层，它的作用是将数据降维，可以减少数据量并且保留它的特征。
FC是全连接层，它的作用是根据不同任务输出想要的结果。
三.卷积层
首先定义卷积的操作
具体如下，首先在给定的矩阵中选择一个3*3的部分记为A，给定一个卷积核记为B，卷积得到的是一个数，如下
\(A = \begin{bmatrix}
1 & 1 &1\\
1&1&0\\
1&0&0
\end{bmatrix}\ \ \
B = \begin{bmatrix}
1 & 0 &1\\
0&1&0\\
1&0&1
\end{bmatrix}\)
\(C = \begin{bmatrix}
1\times 1 & 1\times 0 &1\times 1\\
1\times 0&1\times 1&0\times 0\\
1\times1&0\times0&0\times 1
\end{bmatrix} = 4\)
还是比较直观的，就是对应的元素相乘，再把所有这样的结果相加
完整的动图如下
如果输入通道不止一个，那么这个卷积核是三阶的。
此时对每一个输入通道单独确定一个卷积核，然后将每一个对应的区域卷积得到的值加起来，最后加上偏置，就得到了对应的输出。
不同的卷积核用于提取不同特征。
可以看下图
四.激励层
ReLU，全称为：Rectified Linear Unit，是一种人工神经网络中常用的激活函数，通常意义下，其指代数学中的斜坡函数
\(f(x)=max(0,x)\)
它的的图像如下
ReLU看起来更像一个线性函数，一般来说，当神经网络的行为是线性或接近线性时，它更容易优化 。
这个特性的关键在于，使用这个激活函数进行训练的网络几乎完全避免了梯度消失的问题，因为梯度仍然与节点激活成正比。
缺点也同样明显：输出不是0对称；由于小于0的时候激活函数值为0，梯度为0，所以存在一部分神经元永远不会得到更新。
五.池化层
一般使用区域平均值或者最大值的方式，其他还有L2池化等
池化也有步长和补齐的概念，但是很少使用，通常选择框以不重叠的方式，在padding=0的输入数据上滑动，生成一张新的特征图
参考：
链接
链接