關(guān)于全連接神經(jīng)網(wǎng)絡(luò)（Full Connected Neural Network侣姆，F(xiàn)C）的討論已經(jīng)說的不少了雪隧，本篇將要介紹的是丘损，從2006年至今的神經(jīng)網(wǎng)絡(luò)第三次浪潮中彭羹，取得巨大成功、處于最核心位置的技術(shù)——卷積神經(jīng)網(wǎng)絡(luò)岛啸，Convolutional Neural Network（CNN）钓觉。
一戰(zhàn)成名
2012年AlexNet在ImageNet上一戰(zhàn)成名坚踩，點爆了深度學(xué)習(xí)革命荡灾，這是歷史性的時刻。其中的故事瞬铸，推薦依圖科技CEO朱瓏（Leo Zhu）的《深度學(xué)習(xí)三十年創(chuàng)新路》批幌，講的很精彩，下面的引用部分就是片段節(jié)選嗓节。
標(biāo)志性事件是荧缘，2012年底，Geoff Hinton的博士生Alex Krizhevsky拦宣、Ilya Sutskever（他們研究深度學(xué)習(xí)時間并不長）在圖片分類的競賽ImageNet上截粗，識別結(jié)果拿了第一名。其實類似的比賽每年很多鸵隧，但意義在于绸罗，Google團(tuán)隊也在這個數(shù)據(jù)集上做了測試（非公開的，Google沒有顯式參加學(xué)術(shù)界的“競賽”）豆瘫，用的也是深度學(xué)習(xí)珊蟀，但識別精度比Geoff Hinton的團(tuán)隊差了很多，這下工業(yè)界振奮了外驱。
如上圖所示育灸，2012年AlexNet的驚艷之處在于，它比上一年冠軍的錯誤率25.8%低了近10個百分點略步。正是這前所未有的進(jìn)步描扯，引領(lǐng)人們穿透迷霧，望見了未來趟薄。
但更有意思的是（很有啟發(fā)性并值得思考）绽诚，Alex Krizhevsky 和 Geoff Hinton的競賽用的正是 Yann Lecun 發(fā)明的卷積神經(jīng)網(wǎng)，但結(jié)果剛出來時（實現(xiàn)細(xì)節(jié)還沒有公布）杭煎，Yann Lecun和他的NYU實驗室成員甚至沒法重復(fù)Geoff Hinton的結(jié)果恩够。自己發(fā)明的算法，使用結(jié)果不如另外一個組羡铲。這下炸了鍋蜂桶，Yann Lecun開了組會，反思的主題是“為什么過去兩年我們沒有得到這樣的成績” 也切。
黑馬AlexNet并不“新”扑媚，如上面節(jié)選所說腰湾，它其實脫胎于1998年即14年前就被Lecun提出的卷積神經(jīng)網(wǎng)絡(luò)LeNet-5，改動非常有限：
- 采用ReLU而非S型神經(jīng)元疆股；
- 網(wǎng)絡(luò)更深费坊；
- 訓(xùn)練數(shù)據(jù)量更大；
- 采用GPU訓(xùn)練旬痹；
前兩點與網(wǎng)絡(luò)架構(gòu)相關(guān)附井，雖然ReLU的應(yīng)用貢獻(xiàn)良多，但就整個算法框架來說它們都算不上有實質(zhì)性的改變两残。而后兩點或許才是更根本的永毅，得益于大數(shù)據(jù)和摩爾定律，AlexNet獲得了可以用更多數(shù)據(jù)來訓(xùn)練網(wǎng)絡(luò)所需要的算力人弓。
而LeNet-5在當(dāng)時的數(shù)據(jù)與算力條件下沼死，顯然不如其他的機器學(xué)習(xí)算法（核方法、圖模型票从、SVM等）更有前景漫雕，冰封十余載才獲得了認(rèn)可。
神經(jīng)科學(xué)的啟示
就像20世紀(jì)40峰鄙、50年代，受神經(jīng)科學(xué)發(fā)現(xiàn)的啟示太雨，人類構(gòu)建了人工神經(jīng)元一樣吟榴，1959年Hubel和Wiesel對哺乳動物視覺皮層機理的發(fā)現(xiàn)，讓人類再次受到造物主的饋贈囊扳，卷積神經(jīng)網(wǎng)絡(luò)就是最成功的應(yīng)用之一吩翻。
哈佛大學(xué)的神經(jīng)生理學(xué)博士Hubel和Wiesel觀察了貓大腦中的單個神經(jīng)元如何響屏幕上的圖像，他們發(fā)現(xiàn)處于視覺系統(tǒng)較前面區(qū)域的神經(jīng)元對特定的光模式反應(yīng)強烈锥咸，而對其他模式完全沒有反應(yīng)狭瞎，這個部分被稱為初級視覺皮層，Primary Visual Cortex搏予，也被稱為V1熊锭。他們憑借這個開創(chuàng)性的研究，在1981年獲得了諾貝爾生理學(xué)或醫(yī)學(xué)獎雪侥。
V1的發(fā)現(xiàn)開啟了對人腦視覺系統(tǒng)進(jìn)一步的認(rèn)知碗殷，如本篇最前面引用的那幅圖中所繪制的，當(dāng)眼睛查看外界對象時速缨，信息從視網(wǎng)膜流到V1锌妻，然后到V2（Secondary Visual Cortex），V4旬牲，之后是IT（Inferior Temporal Gyrus仿粹，顳下回）搁吓。哺乳動物的視覺系統(tǒng)是分層遞進(jìn)的，每一級都比前一級處理更高層次的概念：
- V1：邊緣檢測吭历；
- V2：提取簡單的視覺要素（方向堕仔、空間、頻率毒涧、顏色等）
- V4：監(jiān)測物體的特征贮预；
- TI：物體識別；
卷積神經(jīng)網(wǎng)絡(luò)就是根據(jù)V1的3個性質(zhì)設(shè)計的：
- 空間映射：根據(jù)V1的空間映射特性契讲，卷積神經(jīng)網(wǎng)絡(luò)中的各層都是基于二維空間結(jié)構(gòu)的（末端的全連接層除外）仿吞；
- 簡單細(xì)胞：V1中有許多簡單細(xì)胞（simple cell），它們具有局部感受野捡偏，卷積網(wǎng)絡(luò)中的卷積核據(jù)此設(shè)計唤冈；
- 復(fù)雜細(xì)胞：V1中有許多復(fù)雜細(xì)胞（complex cell），用于響應(yīng)簡單細(xì)胞檢測的特征银伟，且對于微小偏移具有不變形你虹，這啟發(fā)了卷積網(wǎng)絡(luò)中的池化單元；
V1其后的視覺區(qū)域彤避，其實與V1具有相同的原理傅物，特征檢測與池化策略反復(fù)執(zhí)行。同樣琉预，卷積網(wǎng)絡(luò)架構(gòu)的設(shè)計董饰，也是卷積層和池化層重復(fù)疊加，形成深度層級圆米。具有開創(chuàng)性的現(xiàn)代卷積網(wǎng)絡(luò)LeNet-5卒暂，架構(gòu)如下圖所示：
在深度學(xué)習(xí)之前，圖像識別面臨的最大挑戰(zhàn)就是特征工程娄帖，研究者需要根據(jù)自己的經(jīng)驗和洞察也祠、具體場景和領(lǐng)域知識，人為的進(jìn)行特征的設(shè)計和提取近速，之后再進(jìn)行分類的訓(xùn)練诈嘿。而卷積神經(jīng)網(wǎng)絡(luò)自帶特征提取能力，特征學(xué)習(xí)和分類訓(xùn)練一氣呵成数焊，使得網(wǎng)絡(luò)可以直接使用原始的圖像數(shù)據(jù)作為輸入永淌，輸出分類結(jié)果。這種端到端的圖像識別極大的簡化了算法設(shè)計的復(fù)雜度和工作量佩耳。
迂回前進(jìn)的歷史
卷積神經(jīng)網(wǎng)絡(luò)并不是一夜之間發(fā)明出來的遂蛀，從2012年AlexNet開始追溯的話，還需要更多歷史性時刻的支撐干厚，即使是最早的卷積神經(jīng)網(wǎng)絡(luò)出現(xiàn)李滴，也在Hubel和Wiesel實驗的二十年后了螃宙。盡管神經(jīng)科學(xué)給出了啟示，卻并沒有告訴我們該如何訓(xùn)練卷積網(wǎng)絡(luò)：
- 1980年所坯，日本科學(xué)家Fukushima構(gòu)建了卷積神經(jīng)網(wǎng)絡(luò)谆扎，但當(dāng)時反向傳播算法還未準(zhǔn)備好；
- 1986年芹助，Hinton成功將反向傳播算法用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)堂湖；
- 1989年，LeCun開始基于反向傳播算法訓(xùn)練二維卷積網(wǎng)絡(luò)状土；
- 1998年无蜂，LeCun提出第一個正式的卷積神經(jīng)網(wǎng)絡(luò)LeNet-5；
歷史就是這樣迂回前進(jìn)的蒙谓，一開始是各個獨立斥季、隨機的小支流，隨著時間的推進(jìn)累驮，最終匯聚在一起產(chǎn)生革命性的時刻酣倾。
上一篇 2 消失的梯度
下一篇 4 拆解CNN架構(gòu)
共享協(xié)議：署名-非商業(yè)性使用-禁止演繹（CC BY-NC-ND 3.0 CN）
轉(zhuǎn)載請注明：作者黑猿大叔（簡書）
