雷鋒網按：本文為AI研習社編譯的技術博客，原標題 Learning to perform linear filtering using natural image data，作者為 Josef Taher 。

翻譯 | 張澤坤  王霏         校對 | 余杭      整理 | MY

卷積神經網絡通常從訓練數據中學習有用的特征。第一個卷積層學習到的特征往往是視任務而定的一些訓練數據的基本元素。例如，在圖像數據中，學習到的特征可以體現邊緣和斑點。在后續(xù)的網絡層中，這些學習到的特征可以表現更加抽象，更高級的特點。

將學習到的特征以及它們隨時間的變化可視化，可以提供一些關于網絡如何學習的有效信息。實際上，網絡結構遠遠不僅是幾層網絡那么簡單，大量的卷積核使得直觀解釋和分析學習到的特征變得十分困難。

然而，我們可以通過對照實驗證明卷積核的權重是如何隨著網絡的學習而實時發(fā)展。由于網絡應該學習到的特點已經被提前知道，即產生數據的過程和參數是被完全定義并且完全在我們的掌控之中，學習任務可以很容易的被確定。我們可以通過構建一個非常簡單的單層卷積網絡并訓練它利用多種核進行線性濾波來實現上述過程。

在接下來的實驗中，我們在數據集上運用一種圖像處理和計算機視覺中常用的傳統(tǒng)邊緣檢測方式——Sobel 邊緣濾波，并訓練我們的模型進行類似的線性映射。我們也嘗試著利用比 Sobel 濾波器更大一些的核去學習一些形式更為普通和任意的濾波器。

這些可以幫我們感受神經網絡中的卷積層如何對輸入數據進行操作，卷積核的權重在訓練中如何變化以及神經網絡的訓練是如何被視為最小化問題的。

首先，我們必須用線性濾波器去處理圖像數據 X 來獲取原始圖像濾波后的結果 Y。線性濾波器操作可以被總結為如下形式：

對任何一組參數 (卷積核) 或我們所能想到的輸入數據，線性濾波器都具有良好定義的操作。

我們現在可以構造一個單層，單核的近似線性濾波的卷積神經網絡。在線性濾波器和卷積神經網絡這兩種方式中發(fā)生的計算除了我們要從數據中學習到的卷積核參數外是完全一樣的。

我們可以畫出如下的線性濾波器與卷積神經網絡間的聯系：

學習任務可以被轉化為最小化線性濾波器的輸出與卷積神經網絡的輸出的均方誤差的最小化問題：

處理圖像數據的線性濾波器的參數被稱為卷積核。我們的實驗采用稱為 Sobel 算子的 3 x 3 的卷積核來對圖像數據進行濾波，操作順序為先沿 x 方向再沿 y 方向。Sobel 算子為：

我們使用基于 TensorFlow 的 Keras 框架實現這些實驗。

x 方向上的 Sobel 濾波器

首先，我們需要定義一組輔助函數來對圖像進行預處理。數據集被加載后，圖像被轉換成灰度形式，圖像強度范圍被歸一化然后對數據集中的每個圖像進行線性濾波。

城市和自然景觀類的數據來作為訓練和測試數據 - 數據集（Oliva, A. & Torralba, A. (2001).Modeling the Shape of the Scene: A Holistic Representation of the Spatial Envelope）由麻省理工學院麻省理工學院計算視覺認知實驗室收集整理。

原始的數據集包括八個類別的自然景觀的彩色圖像（分辨率： 256 x 256）。我們從中選取街道，城市中心以及高層建筑三個類別進行使用。這樣，我們就獲得了充足的固定大小的訓練集和測試集（764 個訓練集樣本和 192 個測試集樣本），因此訓練不會發(fā)生過擬合并且可以在更加合適的硬件和時間框架中完成。選定的三個分類是自然景觀（大量的人類建筑物）中具有明顯邊緣的代表，便于我們比較結果。

接下來，我們可以可視化的觀察數據集中原始圖像、經過灰度轉換后的圖像以及 Sobel 濾波后的圖像：

原始圖像（左），灰度圖像（中間）以及在 x 方向上進行 Sobel 濾波后的圖像（右）。

我們僅對單通道圖像使用線性濾波器。實際上，這意味著模型被訓練成將灰度轉換后的圖像到 Sobel 過濾后的圖像的映射。

接下來，我們定義一個模型：單層，單核的線性激活的卷積網絡。例如采用 identity 激活函數。卷積核的大小設定為 3 x 3，以便于與 Sobel 濾波器的尺寸兼容。

利用使用 Nesterov 動量的隨機梯度下降的優(yōu)化器模型進行 100 輪的訓練。在每一輪中，卷積層的權重都被保存以便進一步的可視化。

在訓練結束后，我們可以畫出訓練和驗證的損失值來觀察訓練是否過擬合。

訓練過程中的訓練損失和驗證損失是平穩(wěn)的，模型看上去似乎是收斂的。

每個輪次保存的權重以數值矩陣的方式呈現出來，矩陣中的數值代表了像素的灰度值。聲明了用于進行可視化的函數，并為每個輪次創(chuàng)建了可視化功能。

現在我們可以可視化每一個輪次，能夠為每一個輪次創(chuàng)建一個動圖，觀察權重是如何下降的。

模型的卷積層權重被訓練后，權重值收斂到接近 x 方向上的 Sobel 算子。

在模型的學習過程中，通過動圖可以清晰的看到卷積核權重值組建收斂至 x 方向上的 Sobel 濾波器。前 10 到 15 個輪次的收斂很快，這之后，收斂率很快穩(wěn)定下來。如果我們在本次實驗中使用了比線性濾波器更加復雜的學習任務，我們仍然能看到類似的行為。卷積核的值會收斂到最優(yōu)的參數值從而能夠從數據中學習到有用的特征。在本次實驗中，有用的特征是由 Sobel 操作器提供的圖像 x 方向上的邊緣信息。我們能夠找到幾乎精準的，由第一手訓練數據產生的卷積核參數，大部分原因是因為我們設置的問題非常簡單。但是在現實問題中，這是極少可能發(fā)生的，因為訓練數據不是典型的從輸入到輸出的線性映射。

為了測試模型，我們可以對比模型的預測結果與 x 方向上的 Sobel 濾波器。

左邊是模型的輸出，右邊是同一幅圖像上，x 方向的 Sobel 濾波器的結果。

在圖的上方，我們可以同時觀察到模型的輸出和 x 方向上 Sobel 算子的結果。通過觀察可以發(fā)現兩幅圖像看上去很相似。事實上，兩幅圖像在像素灰度值上僅能發(fā)現很細微的差異，因為訓練過的卷積核參數已經收斂到接近原始 Sobel 算子的值了。

y 方向上的 Sobel 操作器

同樣的代碼也可以被用到與 y 方向的 Sobel 算子進行線性濾波。我們要做的就是改變圖像濾波函數用 y 方向上的濾波取代 x 方向，再次加載和濾波訓練數據，同時用新數據訓練模型。

在下方圖中，我們可以觀察到，Sobel 濾波器現在更加強調圖像在豎直方向上的圖像灰度邊緣。

原始圖像（左側），灰度圖像（中間）和 y 方向上的 Sobel 濾波圖像（右側）

我們能夠再一次的觀察到卷積核的權重逐步趨向 y 方向的 Sobel 濾波器，隨著網絡不斷的從訓練數據中學習。這個收斂行為與之前 x 方向的 Sobel 算子非常接近。

模型訓練卷積層權重的過程，權重值收斂到接近于 y 方向上的 Sobel 算子。

相類似的，下方的圖是在同一測試圖像上模型的輸出結果和 Sobel 濾波器的版本，有著相同的形狀。從人眼角度，不可能區(qū)分這兩個圖像的差別。

模型的輸出（左邊）和相同圖像 y 方向 Sobel 濾波器的結果（右邊）

笑臉濾波器

之前學習的 Sobel 濾波器非常的簡單，僅需要學習非常少量的參數?，F在我們看一下我們能不能學習一個有著更大卷積核的濾波器。

......

想要繼續(xù)閱讀，請移步至我們的AI研習社社區(qū)：https://club.leiphone.com/page/TextTranslation/710

更多精彩內容盡在 AI 研習社。

不同領域包括計算機視覺，語音語義，區(qū)塊鏈，自動駕駛，數據挖掘，智能控制，編程語言等每日更新。

雷鋒網雷鋒網

雷鋒網雷鋒

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。