快速學習一個算法，CNN

作者：程序員小寒 2024-07-30 08:08:49

人工智能

與將輸入視為平面像素陣列的傳統神經網絡不同，CNN 利用圖像的空間結構來提取分層特征。這種能力使 CNN 在圖像分類、對象檢測和分割等任務中特別有效。

大家好，我是小寒

今天給大家介紹一個強大的算法模型，CNN

卷積神經網絡 (CNN) 是一類深度學習算法，主要用于處理和分析視覺數據。

它們徹底改變了計算機視覺領域，使圖像識別、物體檢測和各種其他應用取得了突破。

什么是卷積神經網絡？

卷積神經網絡 (CNN) 是一種人工神經網絡，專門用于處理結構化網格數據（例如圖像）。

圖片

關鍵組件

1.卷積層

卷積層是 CNN 的核心組件，用于提取輸入數據的特征。

卷積層通過濾波器（卷積核）在輸入數據上滑動，進行卷積操作，生成特征圖（Feature Map）。每個卷積核負責捕捉圖像的不同特征，如邊緣、紋理等。

圖片

卷積核
檢測特定特征（如邊緣、紋理或圖案）的小矩陣。常見尺寸為 3x3 或 5x5。
步幅
卷積核在輸入圖像上移動的步長。步幅為 1 表示卷積核每次移動一個像素。
填充
在輸入圖像的邊框周圍添加額外的像素，以確保卷積核正確適配。

圖片

以下是使用 NumPy 的簡單實現。

import numpy as np

def convolve(image, kernel, stride=1, padding=0):
    # Add padding to the input image
    image_padded = np.pad(image, [(padding, padding), (padding, padding)], mode='constant', constant_values=0)
    
    # Calculate output dimensions
    output_height = (image.shape[0] - kernel.shape[0] + 2 * padding) // stride + 1
    output_width = (image.shape[1] - kernel.shape[1] + 2 * padding) // stride + 1
    
    # Initialize output
    output = np.zeros((output_height, output_width))
    
    # Perform convolution
    for i in range(0, output_height, stride):
        for j in range(0, output_width, stride):
            output[i, j] = np.sum(image_padded[i:i+kernel.shape[0], j:j+kernel.shape[1]] * kernel)
    
    return output

2.池化層

池化層通常用于降低特征圖的空間尺寸（高度和寬度），減少參數數量和計算復雜性，同時使特征檢測更加魯棒。

池化操作主要有兩種類型：

最大池化：從特征圖的每個塊中獲取最大值。
平均池化：從特征圖的每個塊中取平均值。

圖片

def max_pooling(image, size=2, stride=2):
    output_height = (image.shape[0] - size) // stride + 1
    output_width = (image.shape[1] - size) // stride + 1
    output = np.zeros((output_height, output_width))
    
    for i in range(0, output_height, stride):
        for j in range(0, output_width, stride):
            output[i, j] = np.max(image[i:i+size, j:j+size])
    
    return output

3.全連接層

經過幾個卷積層和池化層之后，神經網絡中的高級推理通過全連接層完成。

這些層將扁平化的特征圖作為輸入，并將其用于最終分類。

圖片

CNN 的執行過程

讓我們通過一個例子來了解 CNN 如何處理圖像：

輸入圖像
考慮 32x32x3 RGB 圖像（高度、寬度、深度）。
卷積層
對圖像應用多個過濾器（例如 3x3），從而產生多個特征圖。假設我們使用 10 個過濾器；輸出將為 32x32x10。
池化層
使用 2x2 最大池化，步長為 2，以減少空間維度。輸出將為 16x16x10。
額外的卷積和池化層
根據需要重復卷積、激活和池化操作。
全連接層
將最后一個池化層的輸出展平（例如，8x8x10 變為 640 維向量）并將其連接到密集層以進行分類。
輸出層
應用softmax函數獲取類別的概率分布。

下面我們將使用 TensorFlow 構建一個簡單的 CNN，用于 MNIST 數據集（手寫數字數據集）的圖像分類。

首先我們導入必要的庫

import tensorflow as tf
from tensorflow.keras import layers, models
import matplotlib.pyplot as plt

然后加載和預處理數據

# Load the MNIST dataset
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()

# Normalize the images
train_images = train_images.reshape((60000, 28, 28, 1)).astype('float32') / 255
test_images = test_images.reshape((10000, 28, 28, 1)).astype('float32') / 255

構建 CNN 模型

model = models.Sequential([
    layers.Conv2D(32, (3, 3), activatinotallow='relu', input_shape=(28, 28, 1)),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(64, (3, 3), activatinotallow='relu'),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(64, (3, 3), activatinotallow='relu'),
    layers.Flatten(),
    layers.Dense(64, activatinotallow='relu'),
    layers.Dense(10, activatinotallow='softmax')
])
model.summary()

編譯并訓練模型

model.compile(optimizer='adam', 
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
history = model.fit(train_images, train_labels, epochs=5, 
                    validation_data=(test_images, test_labels))

評估模型

test_loss, test_acc = model.evaluate(test_images, test_labels)
print(f"Test accuracy: {test_acc}")

plt.plot(history.history['accuracy'], label='accuracy')
plt.plot(history.history['val_accuracy'], label='val_accuracy')
plt.xlabel('Epoch')
plt.ylabel('Accuracy')
plt.legend(loc='lower right')
plt.show()

圖片

責任編輯：武曉燕來源：程序員學長

CNN 算法數據