目录

一、为什么用CNN处理图像？

二、CNN完整的架构

1、Convolution

2、Max Pooling

3、Flatten

三、CNN学到了什么？

四、Deep Dream

一、为什么用CNN处理图像？

假设有一张100x100的彩色图像，那么它一共有100x100x3个维度，如果将该图像作为输入，有3w个输入值，这实在是太多了，那么CNN就是用来将这个过程的模型进行简化的：

首先，因为有些图案比整个图像小得多，并且神经元不必看到整个图像就能发现形状是什么。假设有一个神经元要检测一张图上是否有鸟嘴，那么它不需要看整张图片，只需要看有鸟嘴的图案即可：

其次，如果有两个相同的形状出现在不同的区域内，那么只需要训练一个神经元，让它们共享同一组参数即可：

最后，我们可以对图像进行二次采样，从而使得它变得更小，这样就可以减少需要用到的参数：

二、CNN完整的架构

1、Convolution

假设现在有一张6x6的图像，并且有一个过滤器（filter）：

然后用这个过滤器与这张图像的值做内积，先和前三个做内积，再往后移，以此内推：

从而得到的内积值为： 

最大值出现在左上角和左下角，因此该过滤器侦测出的值在左上角和左下角。

如果有其它过滤器，那么可以得到新的内积值，称之为特征映射（feature map）。

其实convolution就是fully-connected去掉一些weight的结果：

2、Max Pooling

选择特征映射中每四个一组的最大值，使4个值变成1个值：

所以一张6x6的图像经过Convolution和Max Polling后变成了一个新的2x2的图像： 

3、Flatten

把特征映射的值拉直后，将其放进Fully-Connected的正反馈网络中即可：

三、CNN学到了什么？

首先列出第K个过滤器的11x11的矩阵输出值：

然后计算第K个过滤器的活化程度：

最后寻找一个输入值  ，使得  的值最大，可使用梯度下降法：

四、Deep Dream

如果给机器一张图片，那么机器会添加一些它所看到的东西，比如将一张图片放进CNN，得到一列过滤器的值：

那么机器会夸大这个值，比如将正值变得更大，把负值变得更小。

所以如果当图片里有块石头很像一头熊，那么机器就会将其变成一头熊：