TensorFlow学习笔记之五（卷积神经网络)

文章目录

1. 图片识别问题简介以及经典数据集
- 1.1 图片识别问题简介
- 1.2 经典数据集
1. 单通道图片求卷积
- 1.1 基本的图片求卷积
- 1.2 填充的图片求卷积
- 1.3 TensorFlow计算卷积
2. 三通道图片求卷积
3. 池化层
4. 小结
- 4.1 输入图片为正方形，卷积核为正方形，单卷积核，单通道
- 4.2 输入图片为正方形，卷积核为正方形，单卷积核，三通道
- 4.3 输入图片为正方形，卷积核为正方形，多卷积核，多通道
5.

1. 图片识别问题简介以及经典数据集

1.1 图片识别问题简介

视觉是人类认识世界非常重要的一种知觉。对于人来说，通过视觉来识别手写体数字、识别图片中的物体或者找出图片中人脸的轮廓都是非常简单的任务。但是这对于计算机来说不是一件简单的事情。

图片识别问题希望借助计算机中的程序来处理、分析和理解图片中的内容，使得计算机可以从图片中识别各种不同模式的目标和对象。比如前面的MNIST联系就是通过计算机来识别图片中的手写体数字。

1.2 经典数据集

MNIST数据集：TensorFlow入门数据集

CIFAR ：CIFAR数据集是一个影响力很大的图像分类数据集。分为CIFAR-10和CIFAR-100两个问题，它们都是图像字典项目(Visual Dictionary)中800万张图片中的一个子集。CIFAR数据集中的图片是32*32的彩色图片。

ImageNet：
无论是MNIST还是CIFAR数据集，相比真实环境有两个最大的问题：

现实生活中的图片分辨率要远高于32*32，而且图像的分辨率也不会是固定的。
现实生活中的物体类别很多，无论是10中还是100种都远远不够，而且一张图片中不会只出现一个种类的物体。

为了更加贴近真实环境下的图像识别问题，由斯坦福大学的李飞飞教授带头整理的ImageNet很大程度地解决了这两个问题。

ImageNet是一个基于WordNet的大型图像数据库。

目标：抽取一个32323的图片的特征，再将提取的特征喂入到全连接网络。

卷积可以认为是一种有效提取图像特征的方法。
一般会用一个正方形的卷积核，遍历图片上的每个像素点。图片内的每个像素点，乘以卷积核上相对应的点的权重，求和，在加上偏置。

1. 单通道图片求卷积

1.1 基本的图片求卷积

现在对于一个551的图片，用一个331的卷积核求卷积。

如图所示，计算机会将一张551图片转换为一个55的矩阵，矩阵中的每个值代表其像素点的灰度。现在用一个33的矩阵对其求卷积。
每次求卷积的过程为拿着卷积核在原始图片举证上求卷积。如图中所示，就是
1∗(−1)+0∗0+2∗1+5∗1+4∗0+2∗1+3∗(−1)+4∗0+5∗1+1=11*(-1)+0*0+2*1+5*1+4*0+2*1+3*(-1)+4*0+5*1+1=1 1∗(−1)+0∗0+2∗1+5∗1+4∗0+2∗1+3∗(−1)+4∗0+5∗1+1=1
其总体大概过程如图
图片来源于

可以看我们是拿卷积核在原始图片上“滑动”求卷积。
在这里，影响输出矩阵的规格的因素有，原始图片大小，卷积核大小，滑动的步长。

一张图片经过一次卷积操作输出的边长 = ( 输入图片的边长 - 卷积核 + 1 ) /步长（向上取整）

比如上图中，输出边长 = ( 5 - 3 +1 ) / 1 = 3

1.2 填充的图片求卷积

有时候，需要在图片的周围进行填充(有全零填充和其他填充)，如下图所示：

那么输出的边长就等于 = 输入长度 / 步长 = 5 / 1 = 5（向上取整）
在TensorFlow中，用参数padding = ‘SAME’(填充) 或者 padding = ‘VALID’(未填充) 表示

总的来说，卷积是讲一个矩阵进行信息提取(特征抽取)的作用。参数为卷积核参数3 * 3 = 9个

1.3 TensorFlow计算卷积

tf.nn.conv2d(
输入描述: 一次喂入图片数, 图片分辨率(两位)，通道数
输出描述: 卷积核分辨率(两位), 通道数，核的个数
核滑动步长,第一个和第四个固定为1。第二三个分别为行步长和列步长。
pading = ‘VALID’
)


# eg
tf.nn.conv2d([batch, 5, 5, 1],[3, 3, 1, 16],[1, 1, 1, 1],padding = 'VALID'
)

2. 三通道图片求卷积

在一般情况下，我们遇到的图片都是彩色图片。在计算机中，他们都是三通道图片(三基色原理，RGB红绿蓝)。
所以我们的图片矩阵变成了5 * 5 * 3。此时我们的卷积核变成了3 * 3 * 3 。


# eg
tf.nn.conv2d([batch, 5, 5, 3],[3, 3, 3, 16],[1, 1, 1, 1],padding = 'SAME'
)

3. 池化层

池化的作用：

减少特征的数量
最大值池化可以提取图片纹理，均值池化可保留背景特征

4. 小结

从计算的角度来看：卷积操作就是矩阵操作。

4.1 输入图片为正方形，卷积核为正方形，单卷积核，单通道

不填充
输出的矩阵边长=输入边长−卷积核边长+1步长输出的矩阵边长 =\frac{输入边长 - 卷积核边长 + 1}{步长} 输出的矩阵边长=步长输入边长−卷积核边长+1

填充
输出的矩阵边长=输入边长步长输出的矩阵边长 =\frac{输入边长 }{步长} 输出的矩阵边长=步长输入边长
在这里有个疑惑，比如卷积核边长为三，填充一层，也就是输入边长+2。输出边长满足上述两个公式。
假如卷积核边长为5。那么是填充一层还是两层？

4.2 输入图片为正方形，卷积核为正方形，单卷积核，三通道

边长与单通道类似

输出通道数可以为1，每个对应的通道数相乘后相加。
可以为3，每个对应的通道数相乘后，相互独立。
也可以为9，输入的每个通道数与卷积核的通道数相乘，再相加。

4.3 输入图片为正方形，卷积核为正方形，多卷积核，多通道

边长与单通道类似

输出通道数
= 卷积核个数，每个对应的通道数相乘后相加。
= 卷积核个数3，每个对应的通道数相乘后，相互独立。
= 卷积核个数9，输入的每个通道数与卷积核的通道数相乘，再相加。

5.