深度学习在计算机视觉中的应用

Q1：卷积深经网络有什么特性？

• 平移不变性（translation invariant）：卷积神经网络学习到的模式具有平移不变性，即卷积神经网络在图像中右下角学习到某个模式之后，它可以在任何地方识别这个模式，比如左上角。视觉空间从根本上也具有平移不变性。
• 卷积神经网络可以学习到模式的空间层次结构。如下图1所示：第一层学习到的是较小的局部模式（比如边缘），第二层学到的是由第一层特征组成较大的模式，越往上学习到的越复杂、越抽象的视觉概念
• 
• 卷积层和密集连接层（比如之前学到的BP神经网络）不同的是：卷积层学习到的是局部的模式，学到的就是输入图像在特定尺寸的窗口中的模式；而密集连接层学习到的是全局的模式，全局模式是针对所有像素点的模式。

---

 

Q2：响应图（特征图）

举个例子，这个单个过滤器可以是垂直边缘检测器或者水平边缘检测器，检测输入图像中的水平/垂直边缘。

　　　　　　　　　　　　　　　　　　　　　　                                        图3、垂直边缘检测，中间是垂直边缘检测滤波器

---

 Q3、卷积的工作原理

注：卷积滤波器的深度与输入特征图的深度相同；输出特征图的深度与卷积滤波器的数量相同。

---

 Q4、填充（Padding）的作用？

填充是在输入特征图的每一边添加适当数目的行和列，使得每个输入方块都能作为卷积窗口的中心。

• 填充避免了每次执行卷积后，输出图像缩小。
• 避免了图像边缘的像素点只是用了一次，导致图像边缘的大部分信息丢失，如下图绿色阴影方块。

       

 在大多数的深度学习框架中，可以通过设置padding参数来设置填充，这个参数有两个取值：“valid”表示不填充，只使用有效的窗口位置；“same”表示填充后输出特征图的宽度和高度与输入相同。padding参数默认为“valid”。

---

Q5、步幅stride

步幅stride可以影响输出特征图的尺寸，表示为两个连续窗口的中心方块间的距离。当步幅大于1时，称为步进卷积

---

Q6、最大池化运算（MaxPooling）

最大池化是从输入特征图中提取窗口，并输出每个通道的最大值。

最大池化常使用2×2的窗口和步幅2，结果输出特征图的尺寸减半，将特征图下采样2倍（特征图的宽度和高度都做了2倍下采样）

 

那为什么要引入MaxPooling？

①、如果不利用MaxPooling进行下采样，那么需要处理的特征图中的元素个数会很多。之后接上全连接层以后，训练的参数过多，会导致过拟合。

②、下采样之后，通过让连续卷积层的观察窗口越来越大（即窗口覆盖原始输入图像的比例越来越大）。

给出DEEPLIZARD上的解释：

①、减少计算负荷：最大池化降低了给定的卷积层输出的分辨率（输出的特征图的尺寸减少了），网络将一次看到更大的图像区域，从而减少了网络中的参数数量，从而减少了计算量。

②、减少过拟合：最大池化也可能有助于减少过拟合。对于一个特定的图像，我们的网络将寻找一些特定的特征。卷积层的输出可以看作是某些特征的集合，如边缘、曲线、圆圈等等。从卷积层的输出，我们可以认为是高值像素是最活跃的。

当我们从卷积输出中遍历每个区域时，我们能够选择最活跃的像素并保持这些高值，同时丢弃那些没有激活的低值像素。最大化运算的实际作用就是，如果存在某个特征，那么保留其最大值；如果没有提取到这个特征，即最大值也很小。