卷积神经网络

卷积神经网络的结构

卷积神经网络（CNN）主要由输入层、卷积层、激活函数、池化层和全连接层组成。典型结构为：

• 输入层（INPUT）：接收原始图像数据（如RGB图像为3通道）。
• 卷积层（CONV）：通过卷积核提取局部特征，参数包括输入/输出通道数、卷积核大小、步长和填充。
• 激活函数（RELU）：引入非线性，常用ReLU函数解决梯度消失问题。
• 池化层（POOL）：降维并保留主要特征，如最大池化选取局部最大值。
• 全连接层（FC）：整合特征并输出分类结果。

卷积神经网络的计算

输出特征图尺寸的计算公式为： [ N = \frac{W - F + 2P}{S} + 1 ]

• 参数说明：
  • ( W )：输入尺寸（如256x256）。
  • ( F )：卷积核大小（如11x11）。
  • ( P )：填充值（如2）。
  • ( S )：步长（如4）。
• 示例：
  • 输入256x256，卷积核11x11，步长4，填充2： [ N = \frac{256 - 11 + 2 \times 2}{4} + 1 = 63 ] 输出尺寸为63x63。

AlexNet实例详解

AlexNet包含5个卷积层和3个全连接层，使用PyTorch实现：

self.conv1 = torch.nn.Sequential(
    torch.nn.Conv2d(3, 96, kernel_size=11, stride=4, padding=0),
    torch.nn.ReLU(),
    torch.nn.MaxPool2d(kernel_size=3, stride=2)  # 输出27x27x96
)

• 逐层分析：
  • 卷积层1：输入227x227x3，输出55x55x96（经ReLU和池化后为27x27x96）。
  • 卷积层2-5：逐步缩小空间尺寸，增加通道数（如输出13x13x256、6x6x256）。
  • 全连接层：将6x6x256展平为9216维向量，经两层4096神经元和ReLU、Dropout后输出50类结果。

常见卷积层设置问题

问题1：为何使用Conv2d？

• Conv1d：处理文本等一维数据，仅对宽度卷积。
• Conv2d：处理图像等二维数据，对高度和宽度同时卷积。

问题2：卷积核参数简化

• nn.Conv2d(3, 6, 5)中5表示5x5的方形卷积核。若需非方形核，需显式指定（如(5, 3)）。