2
| 本文作者： 李尊 | 2016-08-23 18:39 |
本文聯(lián)合編譯：Blake、高斐
雷鋒網(wǎng)注：卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network）是一種前饋神經(jīng)網(wǎng)絡(luò)，它的人工神經(jīng)元可以響應(yīng)一部分覆蓋范圍內(nèi)的周圍單元，對于大型圖像處理有出色表現(xiàn)。
Yann LeCun出生在法國，曾在多倫多大學(xué)跟隨深度學(xué)習(xí)鼻祖Geoffrey Hinton進(jìn)行博士后研究。早在20世紀(jì)80年代末，Yann LeCun就作為貝爾實驗室的研究員提出了卷積網(wǎng)絡(luò)技術(shù)，并展示如何使用它來大幅度提高手寫識別能力。上世紀(jì)末本世紀(jì)初，當(dāng)神經(jīng)網(wǎng)絡(luò)失寵時Yann LeCun是少數(shù)幾名一直堅持的科學(xué)家之一。他于2003年成為紐約大學(xué)教授，并從此引領(lǐng)了深度學(xué)習(xí)的發(fā)展，目前任職于Facebook FAIR實驗室。本文是Yann LeCun對于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network）的演講介紹PPT。
Yann LeCun （信息學(xué)與計算機(jī)科學(xué)）(2015-2016)
首個卷積神經(jīng)網(wǎng)絡(luò)模型(多倫多大學(xué))(LeCun 88,89)
共320個運用反向傳播算法訓(xùn)練的實例
帶有步幅的卷積（子樣本）
緊密相連的池化過程
在貝爾實驗室建立的首個“真實”卷積神經(jīng)網(wǎng)絡(luò)模型(LeCun et al 89)
運用反向傳播算法進(jìn)行訓(xùn)練
USPS 編碼數(shù)字：7300次訓(xùn)練，2000次測試
帶有步幅的卷積
緊密相連的池化過程
卷積神經(jīng)網(wǎng)絡(luò)（vintage 1990）
濾波-雙曲正切——池化——濾波-雙曲正切——池化
多重卷積網(wǎng)絡(luò)
卷積神經(jīng)網(wǎng)絡(luò)的卷積運算過程大致如下：
輸入圖像通過三個可訓(xùn)練的濾波器組進(jìn)行非線性卷積，卷積后在每一層產(chǎn)生特征映射圖，然后特征映射圖中每組的四個像素在進(jìn)行求和、加權(quán)值、加偏置，在此過程中這些像素在池化層被池化，最終得到輸出值。
卷積神經(jīng)網(wǎng)絡(luò)的整體結(jié)構(gòu)：
歸一化——濾波器組——非線性計算——池化
歸一化：圖像白化處理的變形（可選擇性）
減法運算：平均去除，高通濾波器進(jìn)行濾波處理
除法運算：局部對比規(guī)范化，方差歸一化
濾波器組：維度拓展，映射
非線性：稀疏化，飽和，側(cè)抑制
精餾，成分明智收縮，雙曲正切等
池化: 空間或特征類型的聚合
最大化，Lp范數(shù)，對數(shù)概率
LeNet5
卷積神經(jīng)網(wǎng)絡(luò)簡化模型
MNIST (LeCun 1998)
階段1：濾波器組——擠壓——最大池化
階段2：濾波器組——擠壓——最大池化
階段3：標(biāo)準(zhǔn)2層 MLP
多特征識別(Matan et al 1992)
每一層都是一個卷積層
單一特征識別器 ——SDNN
滑動窗口卷積神經(jīng)網(wǎng)絡(luò)+加權(quán)有限狀態(tài)機(jī)
卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用范圍
信號以（多維度）數(shù)組的形式出現(xiàn)
具有很強(qiáng)局部關(guān)聯(lián)性的信號
特征能夠在任何位置出現(xiàn)的信號
目標(biāo)物不因翻譯或扭曲而變化的信號
一維卷積神經(jīng)網(wǎng)絡(luò)：時序信號，文本
文本分類
音樂體裁分類
用于語音識別的聲學(xué)模型
時間序列預(yù)測
二維卷積神經(jīng)網(wǎng)絡(luò)：圖像，時間-頻率表征（語音與音頻）
物體檢測，定位，識別
三維卷積神經(jīng)網(wǎng)絡(luò)：視頻，立體圖像，層析成像
視頻識別/理解
生物醫(yī)學(xué)圖像分析
高光譜圖像分析
人臉檢測(Vaillant et al.93, 94)
應(yīng)用于大圖像檢測的卷積神經(jīng)網(wǎng)絡(luò)
多尺度熱量圖
對候選圖像的非最大抑制
對256X256圖像進(jìn)行6秒稀疏
人臉檢測的藝術(shù)結(jié)果狀態(tài)
卷積神經(jīng)網(wǎng)絡(luò)在生物圖像切割方面的應(yīng)用
生物圖像切割(Ning et al. IEEE-TIP 2005)
運用卷積神經(jīng)網(wǎng)絡(luò)在大背景下進(jìn)行像素標(biāo)記
卷積神經(jīng)網(wǎng)絡(luò)擁有一個像素窗口，標(biāo)記中央像素
運用一個有條件的隨機(jī)域進(jìn)行清除
3D版連接體(Jain et al.2007)
場景解析/標(biāo)記
場景解析/標(biāo)記：多尺度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
每一個輸出值對應(yīng)一個大的輸入背景
46X46全像素窗口；92X92 1/2像素窗口；182X182 1/4像素窗口
[7X7卷積運算]->[2X2池化] ->[7X7卷積運算] ->[2X2池化] ->[7X7卷積運算] ->
監(jiān)督式訓(xùn)練全標(biāo)記圖像
方法：通過超級像素區(qū)域選出主要部分
輸入圖像——超像素邊界參數(shù)——超像素邊界——通過超像素進(jìn)行主要部分投票處理——類別與區(qū)域邊界對齊
多尺度卷積網(wǎng)絡(luò)——卷積網(wǎng)絡(luò)特征（每個像素中d=768）卷積分類——“soft”分類得分
場景分析/標(biāo)記
無前期處理
逐幀進(jìn)行
在Vittex-6 FPGA硬件上以50ms一幀運行卷積網(wǎng)絡(luò)
但是在以太網(wǎng)上傳輸特征限制了系統(tǒng)的表現(xiàn)
針對遠(yuǎn)程自適應(yīng)機(jī)器人視覺的卷積網(wǎng)絡(luò)（DARPA LAGR項目2005-2008）
輸入圖像
標(biāo)記
分類輸出
非常深的卷積網(wǎng)絡(luò)架構(gòu)
小內(nèi)核，較少二次抽樣（小部分二次抽樣）
VGG
GoogleNet
Resnet
使用卷積網(wǎng)絡(luò)進(jìn)行對象檢測和定位
分類+定位：多重移動窗口
將帶多重滑動窗口的卷積網(wǎng)絡(luò)應(yīng)用到圖像上
重要提示：將卷積網(wǎng)絡(luò)應(yīng)用到一張圖片上非常便宜
只要計算整個圖像的卷積并把全連接層復(fù)制
分類+定位：滑動窗口+限定框回歸
將帶多重滑動窗口的卷積網(wǎng)絡(luò)應(yīng)用到圖像上
對每個窗口，預(yù)測一個類別和限定框參數(shù)
即便目標(biāo)不是完全包含在瀏覽窗口中，卷積網(wǎng)絡(luò)也能猜測它認(rèn)為這個目標(biāo)是什么。
Deep Face
Taigman等 CVPR 2014
隊列
卷積網(wǎng)絡(luò)
度量學(xué)習(xí)
Facebook開發(fā)的自動標(biāo)記方法
每天8億張圖片
使用卷積網(wǎng)絡(luò)進(jìn)行姿勢預(yù)估和屬性恢復(fù)
深度屬性模型的姿勢對齊網(wǎng)絡(luò)
Zhang等 CVPR 2014 （Facebook AI Research）
人物檢測和姿勢預(yù)估
Tompson，Goroshin，Jain，Lecun，Bregler等 arxiv（2014）
監(jiān)督卷積網(wǎng)絡(luò)畫圖
使用卷積網(wǎng)絡(luò)來畫圖
Dosovitskyi等 arxiv （1411:5928）
監(jiān)督卷積網(wǎng)絡(luò)畫圖
生成椅子
特征空間對椅子進(jìn)行計算
全局（端對端）學(xué)習(xí)：能量模型
輸入——卷積網(wǎng)絡(luò)（或其他深度架構(gòu)）——能量模塊（潛在變量、輸出）——能量
使得系統(tǒng)中每個模塊都能進(jìn)行訓(xùn)練。
所有模塊都是同時訓(xùn)練的，這樣就能優(yōu)化全局的損失函數(shù)。
包括特征提取器，識別器，以及前后處理程序（圖像模型）。
問題：反向傳播在圖像模型中傾斜
深度卷積網(wǎng)絡(luò)（還有其他深度神經(jīng)網(wǎng)絡(luò)）
訓(xùn)練樣本：（Xi，Yi）k=1 到 k
對象函數(shù)（邊緣型損失= ReLU）
題圖來自newscientist.com
PS : 本文由雷鋒網(wǎng)編譯，未經(jīng)許可拒絕轉(zhuǎn)載！
via Yann Lecun
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
