深度学习案例教程 课件 第4章 使用卷积网络实现图像分类.pptx

使用卷积网络实现图像分类第四章

01了解卷积神经网络的基本结构02掌握CNN基本原理、熟悉CNN主要应用03能够搭建和训练卷积神经网络模型04解决实际的图像分类问题、对图像数据进行预处理和增强学习目标CONTENTS

01构建和训练卷积神经网络模型，提高实践动手能力02培养良好的编程习惯03提高问题分析和解决问题的能力04培养团队合作和沟通能力素质目标CONTENTS05培养持续学习的意识和能力

搭建CNN模型训练模型实践任务准备数据测试模型

第一节FashionMNIST图像分类任务介绍FashionMNIST是一个常用的图像分类数据集，它由Zalando提供，包含了10个类别的灰度图像，每个类别包含6000张训练图像和1000张测试图像，图像大小为28x28像素。FashionMNIST的任务是将28x28像素的灰度图像分类到10个不同的类别，包括T恤/上衣、裤子、套衫、连衣裙、外套、凉鞋、衬衫、运动鞋、手提包和踝靴。这个任务的挑战在于，所有的图像都是灰度图像，并且类别之间的差异较小，需要通过学习图像中微小的特征来进行分类。任务需求描述

FashionMNIST图像分类任务介绍在全连接层中，相邻层的神经元全部连接在一起，输出的数量可以任意决定。首要的问题是数据的形状被“忽视”了。比如，输入数据是图像时，图像通常是高、长、通道方向上的3维形状。但是，向全连接层输入时，需要将3维数据拉平为1维数据。图像是3维形状，这个形状中应该含有重要的空间信息。比如，空间上邻近的像素为相似的值、RBG的各个通道之间分别有密切的关联性、相距较远的像素之间没有什么关联等，3维形状中可能隐藏有值得提取的本质模式。而卷积层可以保持形状不变。当输入数据是图像时，卷积层会以3维数据的形式接收输入数据，并同样以3维数据的形式输出至下一层。因此，在CNN中，可以(有可能)正确理解图像等具有形状的数据。技术分析

FashionMNIST图像分类任务介绍总结1.全连接前馈网络很难提取这些局部不变特征2.卷积神经网络受到生物学上感受机制而提出的3.神经元的感受野是指视网膜上的特定区域，只有这个区域内的刺激才能够激活该神经。

第二节卷积计算在卷积神经网络中，紧随输入层的通常是一个卷积层(ConvolutionalLayer)。卷积的实现灵感来源于生物学上的感受野(ReceptiveField)，后者是人体听觉或视觉等系统中神经说具有的特殊性质——即神经元只对自己可以接受的某些活动范围/条件内的信号产生刺激，例如，听觉系统中各神经元对不同频率声音的反应是有差异的。卷积层定义

卷积运算卷积层进行的处理就是卷积运算。卷积运算相当于图像处理中的“滤波器运算”。在介绍卷积运算时，我们来看一个具体的例子。卷积运算

填充数据在进行卷积层的处理之前，有时要向输入数据的周围填入固定的数据(比如0等)，这称为填充(padding)，是卷积运算中经常会用到的处理。比如，在输入数据中，对大小为(4,4)的输入数据应用了幅度为1的填充。“幅度为1的填充”是指用幅度为1像素的0填充周围。填充数据

步幅应用滤波器的位置间隔称为步幅(stride)。之前的例子中步幅都是1，如果将步幅设为2，则如图所示，应用滤波器的窗口的间隔变为2个元素。增大步幅后，输出大小会变小。而增大填充后，输出大小会变大。步幅

多维卷积如果原始输入是一维的图片，但是我们可以用多个卷积核分别对其计算，从而得到多个特征输出。如图所示。多维卷积

多维卷积一张图片，通常是彩色的，具有红绿蓝三个通道。我们可以有两个选择来处理： (1)变成灰度的，每个像素只剩下一个值，就可以用二维卷积 (2)对于三个通道，每个通道都使用一个卷积核，分别处理红绿蓝三种颜色的信息。显然第2种方法可以从图中学习到更多的特征，于是出现了三维卷积，即有三个卷积核分别对应书的三个通道，三个子核的尺寸是一样的，比如都是2x2，这样的话，这三个卷积核就是一个3x2x2的立体核，称为过滤器Filter，所以称为三维卷积。

卷积的批处理神经网络的处理中进行了将输入数据打包的批处理。之前的全连接神经网络的实现也对应了批处理，通过批处理，能够实现处理的高效化和学习时对mini-batch的对应。我们希望卷积运算也同样对应批处理。为此，需要将在各层间传递的数据保存为4维数据。具体地讲，就是按(batch_num,channel,height,width)的顺序保存数据。卷积的