哈嘍，大家好，今天來讓我們了解下什么是卷及神經(jīng)網(wǎng)絡(luò)，在這篇文章中，我會(huì)介紹什么是卷積神經(jīng)網(wǎng)絡(luò)，以及卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)和某些具體的應(yīng)用。話不多說，馬上進(jìn)入正題。
卷積神經(jīng)網(wǎng)絡(luò)是近些年來興起的一種人工網(wǎng)絡(luò)結(jié)構(gòu)，因?yàn)槔镁矸e神經(jīng)網(wǎng)絡(luò)在圖片和語言方面能夠給出更優(yōu)秀的結(jié)果，因此呢，這種技術(shù)也被廣泛的傳播和應(yīng)用。卷積神經(jīng)網(wǎng)絡(luò)最常用的部分是計(jì)算機(jī)圖片識(shí)別。不過因?yàn)樗牟粩鄤?chuàng)新和不斷地迭代也被廣泛的用于了視頻分析，自然語言處理，藥物發(fā)現(xiàn)等等。近期很火的阿爾法狗能讓計(jì)算機(jī)看懂圍棋，這也是利用了這門技術(shù)。
那現(xiàn)在讓我們概括下卷積神經(jīng)網(wǎng)絡(luò)是如何運(yùn)作的吧。舉一個(gè)圖片識(shí)別的例子。我們知道人體的神經(jīng)網(wǎng)絡(luò)是由很多層神經(jīng)層和神經(jīng)結(jié)構(gòu)組成，多層神經(jīng)層里邊會(huì)有很多的神經(jīng)元。這些神經(jīng)元就是神經(jīng)網(wǎng)絡(luò)識(shí)別事物的關(guān)鍵。每一種神經(jīng)網(wǎng)絡(luò)都會(huì)有他的輸入和輸出值。當(dāng)輸入值是圖片的時(shí)候，輸入的實(shí)際上并不是那些色彩繽紛的圖案，而是一堆堆的數(shù)字。當(dāng)計(jì)算機(jī)的神經(jīng)元要處理這么多信息的時(shí)候，這也就是卷積神經(jīng)網(wǎng)絡(luò)可以發(fā)揮他的優(yōu)勢的地方了。那么什么是卷積神經(jīng)網(wǎng)絡(luò)呢？那我們現(xiàn)在先把卷積神經(jīng)網(wǎng)絡(luò)這個(gè)詞分開。卷積和神經(jīng)網(wǎng)絡(luò)。卷積呢，其實(shí)就是計(jì)算機(jī)不再對(duì)每個(gè)輸入的像素做單獨(dú)的處理，而是對(duì)圖片上每一小塊的圖片上像素區(qū)域進(jìn)行處理，這種做法加強(qiáng)了圖片信息的連續(xù)性，使得神經(jīng)網(wǎng)絡(luò)可以看到圖形而非一個(gè)點(diǎn)，這種做法實(shí)際上也加深了卷積神經(jīng)網(wǎng)絡(luò)對(duì)于圖片的理解。具體來說，卷積神經(jīng)網(wǎng)絡(luò)有一個(gè)批量過濾器，持續(xù)不斷的在圖片上滾動(dòng)手機(jī)圖片上的信息，每一次手機(jī)上來的信息都只是這一塊上的一些像素區(qū)域，然后把手機(jī)上來的信息進(jìn)行整理。這個(gè)時(shí)候整理的信息有了一個(gè)具體的實(shí)現(xiàn)。比如說這個(gè)時(shí)候的卷積神經(jīng)網(wǎng)絡(luò)可以看到一些邊緣上的圖片信息。然后就用同樣的步驟，用批量過濾器去批量處理邊緣信息。神經(jīng)網(wǎng)絡(luò)用這些邊緣信息總結(jié)出更高層的神經(jīng)結(jié)果，比如說總結(jié)的邊緣信息可以總結(jié)出眼睛鼻子等等，再經(jīng)過一次過濾，臉部的特征信息也會(huì)被過濾總結(jié)出來。最后我們?cè)侔堰@些收集的信息放入到普通的全連接神經(jīng)網(wǎng)絡(luò)中進(jìn)行分類，這樣就能夠得到輸入的圖片信息能夠達(dá)到哪一種結(jié)果了。
那么我們現(xiàn)在來看看圖片是如何被卷積的吧。
現(xiàn)在給你一種圖片，圖片有長寬高三個(gè)參數(shù)。對(duì)，你沒有看錯(cuò)，圖片是有高度的。這里的高是屬于計(jì)算機(jī)產(chǎn)生顏色的信息。如果是黑白照片的化。圖片的高度只有1.如果是彩色照片的話，圖片就會(huì)有紅綠藍(lán)三種顏色的三種信息。這時(shí)圖片的高度為3.我們以彩色圖片為例子，過濾器實(shí)際上就是在圖片上不斷移動(dòng)的掃描儀。它不斷不斷的在圖像上收集小批量的像素塊。當(dāng)收集完畢后，我們可以得到一個(gè)高度更高，更寬，更小的圖片。這個(gè)圖片里包含了一些邊緣信息，然后以同樣的步驟來進(jìn)行多次卷積處理，對(duì)圖片進(jìn)行長寬高的壓縮，使得圖像上的更多的邊緣信息可以展現(xiàn)，將普通的壓縮分類放入到神經(jīng)系統(tǒng)中。這樣就可以對(duì)圖片有了更深的理解，這樣也就完成了對(duì)圖片分類的要求。
不過研究發(fā)現(xiàn)，在卷積神經(jīng)網(wǎng)絡(luò)壓縮文件中，神經(jīng)網(wǎng)絡(luò)可能會(huì)無意識(shí)的丟掉一些信息。這個(gè)時(shí)候遲化（Pooling）算法就可以很好地解決這個(gè)問題，就是在卷積的時(shí)候不壓縮長寬，盡量保證更多的信息，壓縮的工作就交給遲化算法。這樣的一項(xiàng)復(fù)雜工作就可以很有效的提高系統(tǒng)的識(shí)別準(zhǔn)確性，有了這些技術(shù)，我們就可以很好地搭建起一個(gè)屬于我們的卷積神經(jīng)網(wǎng)絡(luò)了。比較流行的一種搭建卷積神經(jīng)網(wǎng)絡(luò)的方法就會(huì)我圖片中的一種方法，具體的就不詳細(xì)的概述了。
好了，這一次只是對(duì)卷積神經(jīng)網(wǎng)絡(luò)對(duì)于圖片處理上的一個(gè)簡單的介紹，真正的卷積神經(jīng)網(wǎng)絡(luò)遠(yuǎn)比這個(gè)復(fù)雜的多。如果你想知道如何用Python如何搭建自己的卷積神經(jīng)網(wǎng)絡(luò)，我會(huì)把視頻鏈接發(fā)送給你。也歡迎大家關(guān)注我的簡書頻道，獲得更多有趣有意思的機(jī)器學(xué)習(xí)的學(xué)習(xí)的知識(shí)
