理解CNN卷積層與池化層計算
點擊上方“小白學視覺”，選擇加"星標"或“置頂”
重磅干貨，第一時間送達
深度學習中CNN網(wǎng)絡(luò)是核心，對CNN網(wǎng)絡(luò)來說卷積層與池化層的計算至關(guān)重要，不同的步長、填充方式、卷積核大小、池化層策略等都會對最終輸出模型與參數(shù)、計算復(fù)雜度產(chǎn)生重要影響，本文將從卷積層與池化層計算這些相關(guān)參數(shù)出發(fā)，演示一下不同步長、填充方式、卷積核大小計算結(jié)果差異。
卷積神經(jīng)網(wǎng)絡(luò)(CNN)第一次提出是在1997年，楊樂春（LeNet）大神的一篇關(guān)于數(shù)字OCR識別的論文，在2012年的ImageNet競賽中CNN網(wǎng)絡(luò)成功擊敗其它非DNN模型算法，從此獲得學術(shù)界的關(guān)注與工業(yè)界的興趣。毫無疑問學習深度學習必須要學習CNN網(wǎng)絡(luò)，學習CNN就必須明白卷積層，池化層等這些基礎(chǔ)各層，以及它們的參數(shù)意義，從本質(zhì)上來說，圖像卷積都是離散卷積，圖像數(shù)據(jù)一般都是多維度數(shù)據(jù)（至少兩維），離散卷積本質(zhì)上是線性變換、具有稀疏與參數(shù)重用特征即相同參數(shù)可以應(yīng)用輸入圖像的不同小分塊，假設(shè)有3x3離散卷積核如下：
假設(shè)有
5x5的圖像輸入塊
步長為1(strides=1)
填充方式為VALID(Padding=VALID)
卷積核大小filter size=3x3
則它們的計算過程與輸出如下
假設(shè)這個時候我們修改步長為2、填充方式為SAME，卷積核大小不變(strides=2 Padding=SAME filter size=3x3)，則計算過程與輸出變?yōu)槿缦拢?br>
最終輸出得到的結(jié)果我們可以稱為featuremap，CNN的深度多數(shù)時候是指featuremap的個數(shù)，對多維度的輸入圖像計算多個卷積核，得到多個featuremap輸出疊加，顯示如下：
上述輸入為5x5x2，使用卷積核3x3，輸出3x3x3，填充方式為VALID，計算如果填充方式改為SAME則輸出為5x5x3?？梢钥闯鎏畛浞绞綄敵鼋Y(jié)果的影響。
在AlexNet中有有11x11的卷積核與5x5的卷積核，但是在VGG網(wǎng)絡(luò)中因為層數(shù)增加，卷積核都變成3x3與1x1的大小啦，這樣的好處是可以減少訓練時候的計算量，有利于降低總的參數(shù)數(shù)目。關(guān)于如何把大卷積核替換為小卷積核，本質(zhì)上有兩種方法。
1.將二維卷積差分為兩個連續(xù)一維卷積
二維卷積都可以拆分為兩個一維的卷積，這個是有數(shù)學依據(jù)的，所以11x11的卷積可以轉(zhuǎn)換為1x11與11x1兩個連續(xù)的卷積核計算，總的運算次數(shù)：
11x11 = 121次
1x11 + 11x1 = 22次
2.將大二維卷積用多個連續(xù)小二維卷積替代
可見把大的二維卷積核在計算環(huán)節(jié)改成兩個連續(xù)的小卷積核可以極大降低計算次數(shù)、減少計算復(fù)雜度。同樣大的二維卷積核還可以通過幾個小的二維卷積核替代得到。比如：5x5的卷積，我們可以通過兩個連續(xù)的3x3的卷積替代，比較計算次數(shù)
5x5 = 25次
3x3 + 3x3 = 18次
在CNN網(wǎng)絡(luò)中卷積池之后會跟上一個池化層，池化層的作用是提取局部均值與最大值，根據(jù)計算出來的值不一樣就分為均值池化層與最大值池化層，一般常見的多為最大值池化層。池化的時候同樣需要提供filter的大小、步長、下面就是3x3步長為1的filter在5x5的輸入圖像上均值池化計算過程與輸出結(jié)果
改用最大值做池化的過程與結(jié)果如下：
交流群
歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學影像、GAN、算法競賽等微信群（以后會逐漸細分），請掃描下面微信號加群，備注：”昵稱+學校/公司+研究方向“，例如：”張三?+?上海交大?+?視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~