本文聯(lián)合編譯：Blake、高斐

雷鋒網(wǎng)注：卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network）是一種前饋神經(jīng)網(wǎng)絡，它的人工神經(jīng)元可以響應一部分覆蓋范圍內的周圍單元，對于大型圖像處理有出色表現(xiàn)。

Yann LeCun出生在法國，曾在多倫多大學跟隨深度學習鼻祖Geoffrey Hinton進行博士后研究。早在20世紀80年代末，Yann LeCun就作為貝爾實驗室的研究員提出了卷積網(wǎng)絡技術，并展示如何使用它來大幅度提高手寫識別能力。上世紀末本世紀初，當神經(jīng)網(wǎng)絡失寵時Yann LeCun是少數(shù)幾名一直堅持的科學家之一。他于2003年成為紐約大學教授，并從此引領了深度學習的發(fā)展，目前任職于Facebook FAIR實驗室。本文是Yann LeCun對于卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network）的演講介紹PPT。

Yann LeCun （信息學與計算機科學）(2015-2016)

ConvNets嘗試過程

首個卷積神經(jīng)網(wǎng)絡模型(多倫多大學)(LeCun 88,89)

共320個運用反向傳播算法訓練的實例

帶有步幅的卷積（子樣本）

緊密相連的池化過程

在貝爾實驗室建立的首個“真實”卷積神經(jīng)網(wǎng)絡模型(LeCun et al 89)

運用反向傳播算法進行訓練

USPS 編碼數(shù)字：7300次訓練，2000次測試

帶有步幅的卷積

緊密相連的池化過程

卷積神經(jīng)網(wǎng)絡（vintage 1990）

濾波-雙曲正切——池化——濾波-雙曲正切——池化

多重卷積網(wǎng)絡

架構

卷積神經(jīng)網(wǎng)絡的結構

卷積神經(jīng)網(wǎng)絡的卷積運算過程大致如下：

輸入圖像通過三個可訓練的濾波器組進行非線性卷積，卷積后在每一層產生特征映射圖，然后特征映射圖中每組的四個像素在進行求和、加權值、加偏置，在此過程中這些像素在池化層被池化，最終得到輸出值。

卷積神經(jīng)網(wǎng)絡的整體結構：

歸一化——濾波器組——非線性計算——池化

• 歸一化：圖像白化處理的變形（可選擇性）

減法運算：平均去除，高通濾波器進行濾波處理

 除法運算：局部對比規(guī)范化，方差歸一化

• 濾波器組：維度拓展，映射

• 非線性：稀疏化，飽和，側抑制

精餾，成分明智收縮，雙曲正切等

• 池化: 空間或特征類型的聚合

最大化，Lp范數(shù)，對數(shù)概率

LeNet5

卷積神經(jīng)網(wǎng)絡簡化模型

MNIST  (LeCun 1998)

階段1：濾波器組——擠壓——最大池化

階段2：濾波器組——擠壓——最大池化

階段3：標準2層 MLP

多特征識別(Matan et al 1992)

每一層都是一個卷積層

    單一特征識別器 ——SDNN

滑動窗口卷積神經(jīng)網(wǎng)絡+加權有限狀態(tài)機

應用

卷積神經(jīng)網(wǎng)絡的應用范圍

• 信號以（多維度）數(shù)組的形式出現(xiàn)

• 具有很強局部關聯(lián)性的信號

• 特征能夠在任何位置出現(xiàn)的信號

• 目標物不因翻譯或扭曲而變化的信號

• 一維卷積神經(jīng)網(wǎng)絡：時序信號，文本

文本分類

音樂體裁分類

用于語音識別的聲學模型

時間序列預測

• 二維卷積神經(jīng)網(wǎng)絡：圖像，時間-頻率表征（語音與音頻）

物體檢測，定位，識別

• 三維卷積神經(jīng)網(wǎng)絡：視頻，立體圖像，層析成像

視頻識別/理解

生物醫(yī)學圖像分析

高光譜圖像分析

人臉檢測(Vaillant et al.93, 94)

• 應用于大圖像檢測的卷積神經(jīng)網(wǎng)絡

• 多尺度熱量圖

• 對候選圖像的非最大抑制

• 對256X256圖像進行6秒稀疏

人臉檢測的藝術結果狀態(tài)

卷積神經(jīng)網(wǎng)絡在生物圖像切割方面的應用

• 生物圖像切割(Ning et al. IEEE-TIP 2005)

• 運用卷積神經(jīng)網(wǎng)絡在大背景下進行像素標記

• 卷積神經(jīng)網(wǎng)絡擁有一個像素窗口，標記中央像素

• 運用一個有條件的隨機域進行清除

• 3D版連接體(Jain et al.2007)

場景解析/標記

場景解析/標記：多尺度卷積神經(jīng)網(wǎng)絡結構

• 每一個輸出值對應一個大的輸入背景

46X46全像素窗口；92X92 1/2像素窗口；182X182 1/4像素窗口

[7X7卷積運算]->[2X2池化] ->[7X7卷積運算] ->[2X2池化] ->[7X7卷積運算] ->

監(jiān)督式訓練全標記圖像

方法：通過超級像素區(qū)域選出主要部分

輸入圖像——超像素邊界參數(shù)——超像素邊界——通過超像素進行主要部分投票處理——類別與區(qū)域邊界對齊

多尺度卷積網(wǎng)絡——卷積網(wǎng)絡特征（每個像素中d=768）卷積分類——“soft”分類得分

場景分析/標記

• 無前期處理

• 逐幀進行

• 在Vittex-6 FPGA硬件上以50ms一幀運行卷積網(wǎng)絡

但是在以太網(wǎng)上傳輸特征限制了系統(tǒng)的表現(xiàn)

針對遠程自適應機器人視覺的卷積網(wǎng)絡（DARPA LAGR項目2005-2008）

輸入圖像

標記

分類輸出

非常深的卷積網(wǎng)絡架構

小內核，較少二次抽樣（小部分二次抽樣）

VGG

GoogleNet

Resnet

使用卷積網(wǎng)絡進行對象檢測和定位

分類+定位：多重移動窗口

• 將帶多重滑動窗口的卷積網(wǎng)絡應用到圖像上

• 重要提示：將卷積網(wǎng)絡應用到一張圖片上非常便宜

只要計算整個圖像的卷積并把全連接層復制

分類+定位：滑動窗口+限定框回歸

• 將帶多重滑動窗口的卷積網(wǎng)絡應用到圖像上

• 對每個窗口，預測一個類別和限定框參數(shù)

即便目標不是完全包含在瀏覽窗口中，卷積網(wǎng)絡也能猜測它認為這個目標是什么。

Deep Face

• Taigman等 CVPR 2014

隊列

卷積網(wǎng)絡

度量學習

• Facebook開發(fā)的自動標記方法

每天8億張圖片

使用卷積網(wǎng)絡進行姿勢預估和屬性恢復

深度屬性模型的姿勢對齊網(wǎng)絡

Zhang等 CVPR 2014 （Facebook AI Research）

人物檢測和姿勢預估

Tompson，Goroshin，Jain，Lecun，Bregler等 arxiv（2014）

監(jiān)督卷積網(wǎng)絡畫圖

• 使用卷積網(wǎng)絡來畫圖

• Dosovitskyi等 arxiv （1411:5928）

監(jiān)督卷積網(wǎng)絡畫圖

• 生成椅子

• 特征空間對椅子進行計算

全局（端對端）學習：能量模型

輸入——卷積網(wǎng)絡（或其他深度架構）——能量模塊（潛在變量、輸出）——能量

• 使得系統(tǒng)中每個模塊都能進行訓練。

• 所有模塊都是同時訓練的，這樣就能優(yōu)化全局的損失函數(shù)。

• 包括特征提取器，識別器，以及前后處理程序（圖像模型）。

• 問題：反向傳播在圖像模型中傾斜

深度卷積網(wǎng)絡（還有其他深度神經(jīng)網(wǎng)絡）

• 訓練樣本：（Xi，Yi）k=1 到 k

• 對象函數(shù)（邊緣型損失= ReLU）

題圖來自newscientist.com

PS : 本文由雷鋒網(wǎng)編譯，未經(jīng)許可拒絕轉載！

via Yann Lecun

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。