快速學(xué)習(xí)一個(gè)算法，CNN
大家好，我是小寒
今天給大家介紹一個(gè)強(qiáng)大的算法模型，CNN
卷積神經(jīng)網(wǎng)絡(luò) (CNN) 是一類深度學(xué)習(xí)算法，主要用于處理和分析視覺數(shù)據(jù)。
它們徹底改變了計(jì)算機(jī)視覺領(lǐng)域，使圖像識(shí)別、物體檢測(cè)和各種其他應(yīng)用取得了突破。
什么是卷積神經(jīng)網(wǎng)絡(luò)？
卷積神經(jīng)網(wǎng)絡(luò) (CNN) 是一種人工神經(jīng)網(wǎng)絡(luò)，專門用于處理結(jié)構(gòu)化網(wǎng)格數(shù)據(jù)（例如圖像）。
與將輸入視為平面像素陣列的傳統(tǒng)神經(jīng)網(wǎng)絡(luò)不同，CNN 利用圖像的空間結(jié)構(gòu)來提取分層特征。這種能力使 CNN 在圖像分類、對(duì)象檢測(cè)和分割等任務(wù)中特別有效。
圖片
關(guān)鍵組件
1.卷積層
卷積層是 CNN 的核心組件，用于提取輸入數(shù)據(jù)的特征。
卷積層通過濾波器（卷積核）在輸入數(shù)據(jù)上滑動(dòng)，進(jìn)行卷積操作，生成特征圖（Feature Map）。每個(gè)卷積核負(fù)責(zé)捕捉圖像的不同特征，如邊緣、紋理等。
圖片
- 卷積核
檢測(cè)特定特征（如邊緣、紋理或圖案）的小矩陣。常見尺寸為 3x3 或 5x5。 - 步幅
卷積核在輸入圖像上移動(dòng)的步長。步幅為 1 表示卷積核每次移動(dòng)一個(gè)像素。 - 填充
在輸入圖像的邊框周圍添加額外的像素，以確保卷積核正確適配。
圖片
以下是使用 NumPy 的簡單實(shí)現(xiàn)。
import numpy as np
def convolve(image, kernel, stride=1, padding=0):
# Add padding to the input image
image_padded = np.pad(image, [(padding, padding), (padding, padding)], mode='constant', constant_values=0)
# Calculate output dimensions
output_height = (image.shape[0] - kernel.shape[0] + 2 * padding) // stride + 1
output_width = (image.shape[1] - kernel.shape[1] + 2 * padding) // stride + 1
# Initialize output
output = np.zeros((output_height, output_width))
# Perform convolution
for i in range(0, output_height, stride):
for j in range(0, output_width, stride):
output[i, j] = np.sum(image_padded[i:i+kernel.shape[0], j:j+kernel.shape[1]] * kernel)
return output2.池化層
池化層通常用于降低特征圖的空間尺寸（高度和寬度），減少參數(shù)數(shù)量和計(jì)算復(fù)雜性，同時(shí)使特征檢測(cè)更加魯棒。
池化操作主要有兩種類型：
- 最大池化：從特征圖的每個(gè)塊中獲取最大值。
- 平均池化：從特征圖的每個(gè)塊中取平均值。
圖片
def max_pooling(image, size=2, stride=2):
output_height = (image.shape[0] - size) // stride + 1
output_width = (image.shape[1] - size) // stride + 1
output = np.zeros((output_height, output_width))
for i in range(0, output_height, stride):
for j in range(0, output_width, stride):
output[i, j] = np.max(image[i:i+size, j:j+size])
return output3.全連接層
經(jīng)過幾個(gè)卷積層和池化層之后，神經(jīng)網(wǎng)絡(luò)中的高級(jí)推理通過全連接層完成。
這些層將扁平化的特征圖作為輸入，并將其用于最終分類。
圖片
CNN 的執(zhí)行過程
讓我們通過一個(gè)例子來了解 CNN 如何處理圖像：
- 輸入圖像
考慮 32x32x3 RGB 圖像（高度、寬度、深度）。 - 卷積層
對(duì)圖像應(yīng)用多個(gè)過濾器（例如 3x3），從而產(chǎn)生多個(gè)特征圖。假設(shè)我們使用 10 個(gè)過濾器；輸出將為 32x32x10。 - 池化層
使用 2x2 最大池化，步長為 2，以減少空間維度。輸出將為 16x16x10。 - 額外的卷積和池化層
根據(jù)需要重復(fù)卷積、激活和池化操作。 - 全連接層
將最后一個(gè)池化層的輸出展平（例如，8x8x10 變?yōu)?640 維向量）并將其連接到密集層以進(jìn)行分類。 - 輸出層
應(yīng)用softmax函數(shù)獲取類別的概率分布。
下面我們將使用 TensorFlow 構(gòu)建一個(gè)簡單的 CNN，用于 MNIST 數(shù)據(jù)集（手寫數(shù)字?jǐn)?shù)據(jù)集）的圖像分類。
首先我們導(dǎo)入必要的庫
import tensorflow as tf
from tensorflow.keras import layers, models
import matplotlib.pyplot as plt然后加載和預(yù)處理數(shù)據(jù)
# Load the MNIST dataset
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()
# Normalize the images
train_images = train_images.reshape((60000, 28, 28, 1)).astype('float32') / 255
test_images = test_images.reshape((10000, 28, 28, 1)).astype('float32') / 255構(gòu)建 CNN 模型
model = models.Sequential([
layers.Conv2D(32, (3, 3), activatinotallow='relu', input_shape=(28, 28, 1)),
layers.MaxPooling2D((2, 2)),
layers.Conv2D(64, (3, 3), activatinotallow='relu'),
layers.MaxPooling2D((2, 2)),
layers.Conv2D(64, (3, 3), activatinotallow='relu'),
layers.Flatten(),
layers.Dense(64, activatinotallow='relu'),
layers.Dense(10, activatinotallow='softmax')
])
model.summary()編譯并訓(xùn)練模型
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
history = model.fit(train_images, train_labels, epochs=5,
validation_data=(test_images, test_labels))評(píng)估模型
test_loss, test_acc = model.evaluate(test_images, test_labels)
print(f"Test accuracy: {test_acc}")
plt.plot(history.history['accuracy'], label='accuracy')
plt.plot(history.history['val_accuracy'], label='val_accuracy')
plt.xlabel('Epoch')
plt.ylabel('Accuracy')
plt.legend(loc='lower right')
plt.show()
圖片
