深度学习用于计算机视觉

卷积运算

1. 密集连接层和卷积层的根本区别在于Dense层从输入特征空间学习到的是全局模式，conv学习到的是局部模式，所以Convnet的两个特质：
   • Convnet学习到的模式具有translation invariant，即学习到某个局部模式之后，可以在任何地方识别该模式，因此可以更高效的利用数据，更少的样本即可以习得泛化能力的表示
   • Convnet可以学到模式的空间层次结构(spatial hierarchies of patterns), 即第一层学习较小的局部模式，第二层学习第一层特征组成的更大的模式，以此类推。
2. 卷积的工作原理

   在3D输入特征图上滑动给定尺寸的窗口，在每个可能的位置停止并提取周围的3D图块，其形状为(window_height, window_width, input_depth)。然后每个3D图块与学到的同一个权重矩阵(卷积核，Convolution kernel)做张量积，转换为形状为1D的向量(output_depth)。然后对所有这些向量进行空间重组，转换为3D输出特征图(height, width, output_depth)。输出特征图中的每个空间位置都对应输入特征图中的相同位置。

• 卷积的两个关键的参数

  -从输入中提取的图块尺寸，即给定尺寸，通常为3x3或5x5
  -输出特征图的深度：卷积所计算的过滤器的数量

• 特别的，图像识别中，输入的3D张量形状为(height, width, depth)，其中深度轴对于RGB来讲为3，对于黑白来讲为1。卷积运算从输入特征图提取图块，进行相同的变换，生成输出特征图，该输出特征图同样是3D张量，不同的是深度可以是任意数值，因为其表示的不再是颜色而是代表过滤器(filter)，即对数据数据的某一方面的编码
• 输出的高度和宽度和输入会有不同，原因如下：

  • 边界效应
  • 步幅：即窗口滑动的距离

最大池化运算

• 对特征图进行下采样

  • 减少需要处理的特征图的个数
  • 通过让连续的卷积层的观察窗口越来越大，从而引入空间过滤器的层级结构

深度学习应用于小型数据集的策略

• 从头开始训练小的模型
• 使用预训练的网络做特征提取
• 对预训练的网络进行微调