《卷积神经网络报告ppt课件.ppt》由会员分享，可在线阅读，更多相关《卷积神经网络报告ppt课件.ppt（14页珍藏版）》请在三一办公上搜索。
1、卷积神经网络介绍,Annual Report,汇报人：,1,受Hubel和Wiesel对猫视觉皮层电生理研究启发，有人提出卷积神经网络（CNN），Yann Lecun 最早将CNN用于手写数字识别并一直保持了其在该问题的霸主地位。与普通神经网络的区别在于，卷积神经网络增加了卷积层和池化层的概念。,单击添加标题，建议您在展示时采用微软雅黑字体,单击此处编辑内容,单击添加标题，建议您在展示时采用微软雅黑体,单击此处辑内容,卷积神经网络概述,2,传统的BP网络包括输入层、隐藏层、输出层。下面的CNN网络以一张图片作为输入，先经过卷积层得到C1，再经过池化层得到S1，再经过卷积层得到C2，再经过池化层
2、得到S2。将S2的所有图片展开生成X，之后连接上普通的全连接神经网络进行图片的分类。需要注意的是S1到C2的的连接，C2层的每个神经元只是部分与S1层的神经元连接，而传统的BP网络中每个神经元会与上一层的所有神经元进行连接。,单击添加标题，建议您在展示时采用微软雅黑字体,单击此处编辑内容,单击添加标题，建议您在展示时采用微软雅黑体,单击此处辑内容,传统的BP网络和CNN网络的区别,3,单击添加标题，建议您在展示时采用微软雅黑字体,单击此处编辑内容,单击添加标题，建议您在展示时采用微软雅黑体,单击此处辑内容,卷积的过程,左边是被卷积图片的像素显示，其中的数字代表每个像素点的像素值。中间的小图片就
3、是卷积核，卷积核会从图片的左上角开始从左到右从上到下的进行卷积操作，每一次的卷积操作如右图所示：卷积核里的每个值与其对应位置的图片像素值相乘，再将所有相乘的结果求和就得到了结果。卷积核中的参数值最开始是随即生成的，CNN网络训练的目的就是训练卷积核里的这些参数，这些参数相当于BP网络中的权重w。,4,单击添加标题，建议您在展示时采用微软雅黑字体,单击此处编辑内容,单击添加标题，建议您在展示时采用微软雅黑体,单击此处辑内容,卷积的过程,右图是一个卷积的动态过程，黄色区域就是卷积核，右下角的小数字是卷积核的参数，这里卷积核的移动步长是一个单位。若原图尺寸为a*a，卷积核尺寸为b*b，则卷积操作生成
4、的图片尺寸为(a-b+1)*(a-b+1)，也就是说生成的图片一般会比原图小一些。,5,单击添加标题，建议您在展示时采用微软雅黑字体,单击此处编辑内容,单击添加标题，建议您在展示时采用微软雅黑体,单击此处辑内容,池化的过程,一般经过卷积操作后生成的图像尺寸还是太大，为了减少网络计算的复杂度，需要把卷及操作后的图片进行缩小，也就是进行池化(Pooling)。池化字面理解就是把图片分成一个个池子，常用的池化有最大池化和平均池化，右图展示的是最大池化，把图片分为了四个2*2的池子，选取每个池子中的最大值作为结果。平均池化就是取每个池子的平均值作为结果。右图中经过池化图片尺寸就缩减为原图的一半。,6,
5、单击此处编辑内容,单击添加标题，建议您在展示时采用微软雅黑体,单击此处辑内容,CNN网络的执行过程,在这个例子中，CNN的输入是一张32*32像素的黑白图片，其中每个像素点的像素值的范围在0255。首先它会经过第一层卷积层得到C1层，这个卷积层有六个神经元，每个神经元包含一个卷积核，每个卷积核对输入图片进行卷积操作生成一张新的28*28的图片，这样经过了这层卷积层，就能得到图中C1层所示的六张图片。,7,单击添加标题，建议您在展示时采用微软雅黑字体,单击此处编辑内容,单击添加标题，建议您在展示时采用微软雅黑体,单击此处辑内容,CNN网络的执行过程,右图展示了Input图片经过卷基层的过程，该卷
6、基层有六个神经元，每个神经元有一个卷积核。,8,单击此处编辑内容,单击添加标题，建议您在展示时采用微软雅黑体,单击此处辑内容,CNN网络的执行过程,由C1到S2的过程就是池化的过程，对C1层的六张图片进行池化操作，让每张图片的尺寸变为原来的一半。,9,单击此处编辑内容,单击添加标题，建议您在展示时采用微软雅黑体,单击此处辑内容,CNN网络的执行过程,从S2到C3的过程是我认为最重要也是最难理解的过程，从S2经过第二层卷积层生成了C3，这个过程和从Input到C1一样是一个卷积的过程，但从Input到C1的过程输入只有一张图片也就是Input，但S2却有六张图片作为输入，下面来说明一下从S2到C
7、3的过程。,10,单击添加标题，建议您在展示时采用微软雅黑字体,单击此处编辑内容,CNN网络的执行过程,由于S2层和C3层所涉及的图片太多，不方便说明原理，所以这里假设S2层有三张图片，C3层有两张图片。这里有一个规则：有多少张输出图片，就有多少个神经元；有多少张输入图片，每个神经元就有多少个卷积核。右图中有三张图片的输入，两张图片的输出，所以卷积层有两个神经元，每个神经元有三个卷积核。,11,单击添加标题，建议您在展示时采用微软雅黑字体,单击此处编辑内容,CNN网络的执行过程,右边的动图显示的是上一张图片的动态过程，左边三张蓝色图片对应S2层的三张输入图片，中间的两列的红色图片对应两个神经元
8、中的卷积核，右边两个绿色的图片对应C3层的两张输出图片。,12,单击此处编辑内容,单击添加标题，建议您在展示时采用微软雅黑体,单击此处辑内容,CNN网络的执行过程,由C3到S4的过程又是一个池化的过程，对C3层的十六张图片进行池化操作，让每张图片的尺寸变为原来的一半。S4之后就是全连接层了，S4层的十六张图片需要展开成一个向量作为全连接层的输入。,13,单击添加标题，建议您在展示时采用微软雅黑字体,单击此处编辑内容,单击添加标题，建议您在展示时采用微软雅黑体,单击此处辑内容,CNN网络的执行过程,假设S4层只有右图所示的两张图片，则展开的过程就是将所有的像素值从左到右从上到下的排列下来，形成一个一维向量。,14,
