深度学习、图像识别入门，从VGG16卷积神经网络开始

 向AI转型的程序员都关注了这个号👇👇👇

大数据挖掘DT数据分析  公众号： datadw

刚开始接触深度学习、卷积神经网络的时候非常懵逼，不知道从何入手，我觉得应该有一个进阶的过程，也就是说，理应有一些基本概念作为奠基石，让你有底气去完全理解一个庞大的卷积神经网络：

本文思路：

一、我认为学习卷积神经网络必须知道的几个概念：

1、卷积过程：

  我们经常说卷积神经网络卷积神经网络，到底什么才是卷积？网络层卷积过程到底怎么实现？我们在这里借鉴了另一位博客大牛的动态图来给大家演示一下，

  图作者文章在此：

http://blog.csdn.net/silence1214/article/details/11809947

我们可以看到，卷积过程其实还是基于一个固定的矩阵，在另外一个矩阵不断一格一格扫过去的到的数值的和，（注意：这里的一格一格非常重要，因为涉及后面的概念：步长→我们不妨想一想当固定矩阵不是一格一格前进的时候，会发生什么呢？）产生的一个新的矩阵，我们以作为比较会发现：粉红色矩阵和绿色矩阵在根本上有很大不一样，

第一，卷积之后的维数降低了；第二，我们要想想为什么降维了？（思考：降低维度到底有没有规律？）

  答案是有的：我们发现橙色的固定框为3*3，绿色是5*5，出来是三乘三；

  所以规律可以得到：粉红色最后的卷积结果矩阵维度=绿色矩阵维数-橙色矩阵维数+1

  （我们又应该思考：如果我不想最后减少维度，我只希望卷积，怎么办呢？）

2、两层之间的池化：

  我们依然延用博客大牛的另一个动图（再次点赞做的精细准确！）

我们可以发现其实跟之前没什么不一样：还是以三个矩阵之间的运算，但是我们很容易发现，它并不是一行一行扫过去的，橙色矩阵维度是黄色矩阵的整数倍，所以池化的最终的结论是要把原来的维度减少到1/n.这是池化最根本的原理（当然也有特殊情况。）

（思考点：我们想象一下如果一个19*19的矩阵做池化，会是一种什么样的体验呢？我们不可以缩小整数倍！！答案会在后面的VGG16里面讲清楚）

3、第三个知识点是步长的概念：

  卷积核（后面讲到VGG16会介绍）移动的步长（stride）小于卷积核的边长（一般为正方行）时，变会出现卷积核与原始输入矩阵作用范围在区域上的重叠（overlap），卷积核移动的步长（stride）与卷积核的边长相一致时，不会出现重叠现象。

  通俗一点其实就是：刚刚说的那个粉红色矩阵，他每一次移动多少格，格子就是步长！！

4、卷积核：

  一个听起来很高大上的词语，我们依然用之前的基础来解释：通俗易懂：就是粉红色矩阵的个数！！因为有时候我们要提取的特征非常多非常广泛，所以需要我们用更多的矩阵来扫（多扫几遍），那么粉红色矩阵的个数就是卷积核个数。

5、Padding:

  这个应该是最抽象的概念了：但是也不会特别难呢，就是我们在之前讲到第一点：卷积的时候，我抛下了一个问题：

 （我们又应该思考：如果我不想最后减少维度，我只希望卷积，怎么办呢？）（现在知道括号的重要性了吧哈哈？

  现在我们来解决这个问题：比如：我们需要做一个300*300的原始矩阵，用一个3*3卷积核（粉红色矩阵）来扫，扫出来，按照之前公式，结果的矩阵应该是：298*298的矩阵，但是这样很难计算，减得也不多，反而增加我计算难度，还不如池化（pooling）来得干脆是吧！那我们就在300*300矩阵外面周围加一圈“0”，记住，是在外面外包一层“0”

重点是：这样的300*300就变成了302*302的矩阵，这样就可以完全避开卷积后那两层的抵消。

6、还有一个就是通道的概念：这个不算知识点，仅仅是一个常识词语，比如一张图片，有RGB三种颜色，对应三个灰度级别，也就是三个通道了：

更加抽象的图可以参照下面的结构：

二、等待已久的VGG16：

VGG16分为16层，我们主要讲前面的前几层（越详细越好吧，后面是一样的）

——首先教会大家一个看其他神经网络也是用的办法：官方数据表格：

看懂一些式子表达：

Conv3-512   →    第三层卷积后维度变成512；

Conv3_2 s=2     →     第三层卷积层里面的第二子层，滑动步长等于2（每次移动两个格子）

好了，我们有了以上的知识可以考试剖析VGG16卷积神经网络了

三、利用之前的基本概念来解释深层的VGG16卷及网络；

【1、从INPUT到Conv1：】

首先两个黄色的是卷积层，是VGG16网络结构十六层当中的第一层（Conv1_1）和第二层（Conv1_2），他们合称为Conv1。

我们主要讲述第一个，也就是第一层（Conv1_1），它怎么把一个300*300*3的矩阵变成一个300*300*64的矩阵？

我们假设蓝色框是一个RGB图像，橙色是一个3*3*3的卷积核，我们对一个三维的27个数求和，然后扫过去，按照第一部分算的得出来的是一维的298*298的矩阵（因为卷积核也是三维所以结果是一维）；

然后回想一下什么是Padding、前面也讲过它的概念了；所以不了一圈的圆，回到了300*300*1；

然后，VGG16这一层安置有64个卷积核，那么，原来的300*300*1变成300*300*64

于是我们的到了想要的东西；最后的绿色框；

【1、从Conv1到Conv2之间的过度：】

这一步用的Pooling是：2*2*64 s=2；

也就是说，步长是二，滑动的矩阵本身没有重叠；刚好减半，第三维度64不变；

【3、顺利来到Conv2并且结构完全一样进入Conv3：】

我们知道原来INPUT是300*300*3过了第一层出来时150*150*64

那么第二层仍然有池化有128个卷积核，联想推理：

出来的应该是75*75*128；这一步没有问题，我们继续往下分析：

【4、进入Conv3的推演：】

可以知道第三层有256个卷积核，包含三层小的卷基层：

【5、从Conv3到Conv4之间的过度：】

池化没有问题，但是这里75不是一个偶数怎么弄，还记得我们第一部分前面的括号吗？

就是这样，我们在75这里相加了一个一，使之成为76，变成一个偶数，还有一种方法是通过步长的设置这里先不展开来讲了；

【6、后续的步骤】

  后面的方法很简单，根据我给的那个VGG16的表格查找每一层里面有什么卷积核？多少个？池化的大小？步长多少？是否需要Padding？解决这些问题，你的VGG16就已经完全可以从头到尾说清楚了！！！

【7、Faster Rcnn的例子】

http://blog.csdn.net/errors_in_life/article/details/70916583

人工智能大数据与深度学习

搜索添加微信公众号：weic2c

长按图片，识别二维码，点关注

---

大数据挖掘DT数据分析

搜索添加微信公众号：datadw

教你机器学习，教你数据挖掘

长按图片，识别二维码，点关注