【《基于深度学习的目标检测算法基础综述》2200字】

基于深度学习的目标检测算法基础综述目录TOC\o"1-3"\h\u11233基于深度学习的目标检测算法基础综述 1101651.1卷积神经网络 17491.2卷积的运算 3151281.2.1卷积 3213311.2.2池化 4117451.2.3激活函数 5174481.2.4全连接 583071.3训练 6卷积神经网络CNNs的全称是deepconvolutionalneuralnetworks，也就是深度卷积神经网络，是用在计算机视觉，是人工智能的一个分支，计算机视觉就是告诉计算机如何理解图像，比如说现在的人脸识别、自动驾驶包括美图秀秀等，都是利用计算机视觉进行开发的。卷积神经网络不光可以处理图像，还能处理音频和文本之类的信息，只要数据能变成图像格式卷积神经都能进行处理。卷积神经网络非常强大，李飞飞开发了一个叫Imagenet的网站，它可以允许全世界的人将图片上传上去，发动全世界的志愿者对图片进行标签、筛选、整理，人们都通过这些图片进行计算机视觉的训练，下图是它们用卷积神经网络做的语义分割：图SEQ图表\*ARABIC1.1Imagenet卷积神经网络可以被理解为是一个函数，或者是一个黑箱，有输入和输出，输入就是像素阵列和图片，而输出就是这个图片的信息，网络的作用就是来破解这个黑箱，哪怕图片经过平移缩放旋转也不会影响结果，也就是它的鲁棒性很强，如下图：图2.2CNN作用示例其实这是非常大的难题，从上图得知虽然我们人眼能轻易看出，但是对于计算机来说图片上只有数字，要想识别是相当困难的，因此怎么把数字来进行特征提取是十分重要的。虽然图像经过旋转缩放等操作，但它依旧保留了某些特征，我们就可以识别出图片改变后的特征来对应原图，发现和原图的相似性。图2.3图像特征比如把上图中上面那三个特征提取出来，把它们叫做卷积核或者叫一个特征提取器，假设要提取上述图片的这三种特征，如果右上角这个卷积核对原图进行卷积操作，就相当与是把右上角的卷积核的特征和原图中一样的特征提取了出来。卷积的运算卷积图2.4卷积操作上图就是描述了卷积是如何操作，Image上红色的数字就表示了卷积核，黄色的数字就表示了卷积核在原图上进行运动和扫描，而绿色数字就是原图上的像素，然后每一个原图上的值都和卷积核上对应的值进行相乘再相加并放入新矩阵ConvolvedFeature上。如果将如下特征对原图整个进行扫描就得到如下矩阵：图2.5卷积操作示例这个新图叫FeatureMap，可以看出，它依旧是一个从左上角到右下角的对角线的样子，和卷积核的样子很像，就表示原图的特征被卷积核提取了出来，颜色越受就表示值越低，越接近1就表明特征越相似，而用不同的卷积核对原图进行卷积运算就能提取出不同的特征，但如果用圆圈样的卷积核来对上图进行特征提取，那么提取出来的就是一堆乱码，并不具有明显特征。上述就是卷积神经最重要的一部，卷积。池化想象一下，如果一张人脸上有数个特征，用数个卷积核对人脸进行特征提取，那将会得到数个FeatureMap，那么运算量是相当巨大的，而自动驾驶以及人脸识别等都需要毫秒级的运算，如果需要如此大的运算量那么效率将会大大降低，因此卷积神经网络引入一个池化（pooling）的操作，也叫做下采样，就是对图像进行缩小，如下图中红色的框把原图的像素点用一个像素点来表示：图2.6池化示例但是减少数据量就意味着牺牲一部分信息，但这都是在可接受范围内的，池化分为两种：maxpooling和averagepooling。Maxpooling就是把一个区域内最大的值来代替整个区域来进行缩小，而averagepooling就是把整个区域的平均值来代替这个区域，一般来说都是使用maxpooling。激活函数激活函数，ReLUs(RectifiedLinearUnits)，也就是修正线性单元。因为特征提取出来的图上有很多地方是负数，那么就需要把负数变为0，可以方便运算，也对后面的梯度下降有益。图2.7特征提取如上图，在原图进行卷积、激活、池化后，就提取出了如上的图，而这个过程可以反复进行多次从而获得更小的特征图。全连接图2.8全连接操作如上图对特征图上的像素点进行排序排成，每一个值都是有权重的，把它们乘以各自的权重，就能得到原图和X的相似性多少，而权重是通过训练得到的。这就是为什么叫全连接层，在这层中，每个神经元都是相连的，每个神经元都要乘上各自的权重，最好相加得到结果，而全连接可以放很多层，如输入层、隐藏层、输出层中，隐藏层可以放多个全连接网络。训练这就不得不提到我们的华人科学家李飞飞，她是09年开发的Imagenet网页，她号召全世界各地的志愿者把他们的图片上传上来进行标注、整理、筛选，现在已经有一千四百多万张图片，这么多数据集，方便大家用大数据的发放对网络进行训练。训练过程中，用大量的图片来训练模型，通过一种叫反向传播的算法（Backpropagation），就是神经网络先得出一个结果，把这个结果跟真实的结果进行比较，比如说图片上是一只猫，而神经网络识别出一只狗，就把神经网络得到的结果跟真实的结果进行误差的计算这就是损失函数。而我们的目标就是把损失函数降到最低，通过对损失函数求导，找到它的最小值——通过修改卷积核的参数，修改每一个全连接层的每个神经元的权重来进行微调使得损失函数最小。由于是一层层把目标反馈回去，因此叫反向传播，也就是说可能最好误差会反馈到第一个卷积核上，来对卷积核的参数进行修改。经过不停的训练，通过大数据去“喂”它，你可以“喂”它几百万只猫的照片，那么最后它自己就学会采用哪些卷积核，并决定每个全连接网络中每个神经元的权重是多少，这就是机器学习，这也是神经网络强大的地方，机器具有学习的能力，而人们只用负责用数据“喂饱”它们。当找到损失函数的最小值就表示训练成功了，但是总得让模型有一个初始