卷积神经网络为什么这么有效
需积分: 40 163 浏览量
2018-06-26
15:26:02
上传
评论
收藏 1.04MB PDF 举报
卷积神经网络为什么这么有效？
作者：SIGAI
2018.04.26
原创声明
本文为 SIGAI 原创文章，仅供个人学习使用，未经允许，不能用于商业目的。
导言：在机器视觉和其他很多问题上，卷积神经网络取得了当前最好的效果，它的成功
促使我们思考一个问题，卷积神经网络为什么会这么有效？在本文中，SIGAI 将为大家分析
卷积神经网络背后的奥秘。
思想起源
在各种深度神经网络结构中，卷积神经网络是应用最广泛的一种，它由 LeCun 在 1989
年提出[1]。卷积神经网络在早期被成功应用于手写字符图像识别[1][2][3]。2012 年更深层次
的 AlexNet 网络[4]取得成功，此后卷积神经网络蓬勃发展，被广泛用于各个领域，在很多
问题上都取得了当前最好的性能。
卷积神经网络通过卷积和池化操作自动学习图像在各个层次上的特征，这符合我们理
解图像的常识。人在认知图像时是分层抽象的，首先理解的是颜色和亮度，然后是边缘、角
点、直线等局部细节特征，接下来是纹理、几何形状等更复杂的信息和结构，最后形成整个
物体的概念。
视觉神经科学（Visual Neuroscience）对于视觉机理的研究验证了这一结论，动物大脑
的视觉皮层具有分层结构。眼睛将看到的景象成像在视网膜上，视网膜把光学信号转换成电
信号，传递到大脑的视觉皮层（Visual cortex），视觉皮层是大脑中负责处理视觉信号的部分。
1959 年，David 和 Wiesel 进行了一次实验[5]，他们在猫的大脑初级视觉皮层内插入电极，
在猫的眼前展示各种形状、空间位置、角度的光带，然后测量猫大脑神经元放出的电信号。
实验发现，当光带处于某一位置和角度时，电信号最为强烈；不同的神经元对各种空间位置
和方向偏好不同。这一成果后来让他们获得了诺贝尔奖。
目前已经证明，视觉皮层具有层次结构。从视网膜传来的信号首先到达初级视觉皮层
（primary visual cortex），即 V1 皮层。V1 皮层简单神经元对一些细节、特定方向的图像信
号敏感。V1 皮层处理之后，将信号传导到 V2 皮层。V2 皮层将边缘和轮廓信息表示成简单
形状，然后由 V4 皮层中的神经元进行处理，它颜色信息敏感。复杂物体最终在 IT 皮层
（inferior temporal cortex）被表示出来。
SIGAI
剩余16页未读，继续阅读
资源评论
