[PyTorch][chapter 33][卷积神经网络]网站首页 技术教程

[PyTorch][chapter 33][卷积神经网络]

明朝百晓生 2024-06-17 10:22:10

简介[PyTorch][chapter 33][卷积神经网络]

前言

参考：《数字图像处理与机器视觉》第五章空间域图像增强，

图像卷积：空间域图像增强

图像增强是根据特定需要突出一副图像中的某些信息，同时削弱或去除

某些不需要信息的处理方法,其主要目的是是的处理后的图像对某种特定的应用来说

比原始图像更适用。因此这类处理时为例某种特殊应用，去改善图像的质量，处理

的结果更适合于人的观察或机器的识别系统

1：卷积

2： LeNet-5

3： Conv2d

一卷积

卷积神经网络的核心是卷积层

1.1 卷积定义

对图像的每一个点（x,y）执行以下操作

1：对预先定义的以（x,y）为中心点的领域内的像素运算

2：将1中的运算结果作为（x,y)点新的响应

用数学公式来表示

$g(x,y)=sum_{s=-a}^{a}sum_{t=-b}^{b} k(s,t) f(x-s,y-t)$

图像 $f(x,y)$

卷积核 $k(s,t)$

如下图

1.2 卷积网络中的卷积

在传统的数字图像处理里面，卷积核权重系数大小是固定的，

深度学习里面需要预先定义一下，通过训练得到里面权重系数

kernel channel	卷积核的个数
kernel size	卷积核大小
stride	滑动的步伐，决定滑动多少步可以到图像边缘
padding	填充系数，填0 或边缘像素的扩展，总长能被步长整除。

1.3 input

N	图片的个数
channel	图片的通道，如RGB c=3, 灰度图 c=1
width	图片的宽度
height	图片的高度

例：

二 LeNet-5

输入

[1,1,28,28]

1	1	28	28
图像个数	网络输入的通道数，灰度图=1	图像宽	图像高

LeNet-5 共包含 8 层

C1 卷积层

[6,1,5,5]

m=6	channel=1	width=5	height=5
网络输出的通道数: 卷积核个数	网络输入的通道数：图像的通道	卷积核的宽	卷积核的高

卷积核的channel 数必须和输入的channel 一致

偏置 bias: 每个卷积核对应一个bias,共6个

输出6张28*28特征图

C1 有 156 个可训练参数（每个滤波器 5x5=25 个 bunit 参数和一个 bias 参数，一共 6 个滤波器，共(5x5+1)x6=156个参数，共 156x(28x28)=122,304个连接。

S2 采样层

有 6 个 14x14 的特征图。特征图中的每个单元与 C1 中相对应特征图的 2x2 邻域相连接。S2层每个单元的 4 个输入相加，乘以一个可训练参数，再加上一个可训练偏置。每个单元的 2x2 感受野并不重叠，因此 S2 中每个特征图的大小是 C1 中特征图大小的 1/4（行和列各 1/2）。

2*2池化层

输出 6个14*14 特征图

S2 层有 12个（6x（1+1）=12）个可训练参数和 5880（14x14 （2 2+1） 6=5880）个连接。

C3 卷积层

卷积核

m=16	channel=1	width=5	height=5
输出的通道数	输入的通道数	卷积核的宽	卷积核的高

输出 16个10*10的feature map

S4 下采样层

由 16 个 5x5 大小的特征图构成。特征图中的每个单元与 C3 中相应特征图的 2x2 邻域相连接，跟 C1 和 S2 之间的连接一样。S4 层有 32 个可训练参数（每个特征图1个因子和一个偏置16x（1+1）=32）和 2000（16 （2 2+1）x5 x5=2000）个连接。

C5 卷积层

卷积核

m=120	channel=1	width=1	height=1
卷积核个数	图像的通道	卷积核的宽	卷积核的高

输出有 120 。由于 S4 层特征图的大小也为 5x5 （同滤波器一样），故 C5 特征图的大小为 1x1（5-5+1=1），这构成了 S4 和 C5 之间的全连接。

F6 全连接层

有 84 个单元（之所以选这个数字的原因来自于输出层的设计）

，与 C5 层全相连。有 10164（84x(120x(1x1)+1)=10164）个可训练参数。如同经典神经网络，F6 层计算输入向量和权重向量之间的点积，再加上一个偏置。然后将其传递给 sigmoid 函数产生单元i的一个状态。

最后，输出层由欧式径向基函数（Euclidean Radial Basis Function）单元组成，每类一个单元，每个有 84 个输入。

三 Conv2d函数详解

 def __init__(
        self,
        in_channels: int,
        out_channels: int,
        kernel_size: _size_2_t,
        stride: _size_2_t = 1,
        padding: _size_2_t = 0,
        dilation: _size_2_t = 1,
        groups: int = 1,
        bias: bool = True,
        padding_mode: str = 'zeros'  # TODO: refine this type
    ):

参数	意义
in_channels	网络输入的通道数，RGB =3
out_channels	网络输出的通道数, 卷积核的个数
kernel_size	卷积核的大小
stride	是卷积过程中移动的步长。默认情况下是1。一般卷积核在输入图像上的移动是自左至右，自上至下
padding	填充，默认是0填充
dilation	dilation：扩张。一般情况下，卷积核与输入图像对应的位置之间的计算是相同尺寸的，也就是说卷积核的大小是3X3，那么它在输入图像上每次作用的区域是3X3，这种情况下dilation=0。当dilation=1时，表示的是下图这种情况
groups	分组。指的是对输入通道进行分组，如果groups=1，那么输入就一组，输出也为一组。如果groups=2，那么就将输入分为两组，那么相应的输出也是两组。另外需要注意的是in_channels和out_channels必须能整除groups。
bias	偏置参数，该参数是一个bool类型的，当bias=True时，表示在后向反馈中学习到的参数b被应用
padding_mode	填充模式， padding_mode=‘zeros’表示的是0填充

例

# -*- coding: utf-8 -*-
"""
Created on Mon May 15 15:31:26 2023

@author: chengxf2
"""

import torch
import torch.nn as nn

def main():
    
    img = torch.randn(10,3,28,28)
    conv = nn.Conv2d(3,16,4,stride=2,padding=0)
    
    output = conv(img)
    
    print(output.shape)
main()
===============
out: torch.Size([10, 16, 13, 13])

输入：

10张RGB 图片，图片大小28*28

[10,3,28,28]

卷积核

[16,3,4,4]

输出

输出图像的宽度，高度利用下面的公式