卷积神经网络工作原理的直观理解

在使用卷积神经网络时，它是一个黑盒。我们完全不用关心里面发生了什么。

但是，作为开发人员，我们必须把盒子打开，看看里面到底有什么！

​

就像剥洋葱一样，我们需要一层层地剥离。

打开黑盒最外边包装，我们看到，它由两部分组成：

• 卷积层：负责特征提取

• 全连接层：负责分类

当然，有些网络已经没有全连接层，是全卷积网络。为了方便说明和理解，这里，我们仍旧以包含全连接为例。

​

从盒子外边再看看，最后的输出通常是一个小数值，可以简单理解为所属分类的概率。

这些概率值的和是1，概率值越大意味着对应类的可能性越大。

例如，猫的值是0.98，狗的值是0.02。意味着当前的分类极大可能是猫。

​

我们用一个通俗的例子看一下。

有一个小瓶子，里面可能是（水、氢气、氧气）。那么各部分的功能如下：

• 卷积层：负责提取特征。简单理解，就是将物质里面的元素提取出来。例如，这里从物体里面提取出来氢元素（H）和氧元素（O）。

• 全连接层：负责分类。将瓶子中H和O的可能拼接出来。可能是（H2O，O2、H2），不同的值，权重是不一样的。例如，2个H和一个O，构成H2O；两个O，构成O2；两个氢构成H2。

从上述可以看到，不同的权重，意味着有不同的结果。

卷积网络的核心是学到不同物质的不同权重值。

​

​

我们进一步明确，神经网络包含两个组成部分（卷积层，全连接层），分别负责（特征提取，分类）。

例如，很多网络在卷积层会得到4096个特征，交给全连接层去分类，最终得到比如5个分类。

​

另外我们目前可以了解到的是，多个卷积层，分别提取不同的特征：

• 前面的卷积层：提取的特征比较初级，比如边、角、线等；

• 中间的卷积层：提取的特征时初级特征的组合，比如形状等；

• 后面的卷积层：提取的特征是各种形状组合所得到的高级特征，如语义信息等。此时的特征通常具有一定的语义特征，比如人脸、车轮、房屋结构等等；

后面我们会进一步介绍各个层提取特征的差异性。

​

下面我们关心另外一个问题：为什么卷积能够提取得到特征？

我们想象一下，使用卷积核（convolution kernel，可以理解为要找的特征：眼睛）在一幅图像（image）上不断地滑过。

• 如果找到了卷积核，就将其标记为100，

• 如果没有找到卷积核，就将其标注为0。

其过程如下：

​

图片来源：https://towardsdatascience.com/light-on-math-machine-learning-intuitive-guide-to-convolution-neural-networks-e3f054dd5daa

输出图像中，

• 数值100对应着高响应；

• 数值0对应着低响应；

从输出图像中，可以看到白色区域代表着找到的两只眼睛。

​

接下来，我们看看数值卷积操作是怎么回事。卷积操作是卷积核在输入上滑过，然后将对应位置上的像素进行乘法运算并求和，从而得到输出。

需要注意：输入和输出大小可能不一致。

​

如下图所示：在使用(-1,1)作为卷积核，在左黑右白的图像上做卷积时，会得到一个黑白交界的特征竖线。

​

下面，我们看看几个可视化的例子：

1、手写数字的可视化

Keras.js - Run Keras models in the browser

这个看起来很抽象，大家可以访问上面的链接观察具体过程。

其中的数字，是手写完成。

​

​

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

2、手写数字过程立体观察

拖动鼠标，可以进行不同角度、更细粒度的观察。

3D Visualization of a Convolutional Neural Network

​

3、CNN解释器

CNN Explainer

这个功能很强大，单击关键点，能够观察更细粒度的可视化效果。

​