深度學習的最新進展使得計算機視覺應用的飛躍：從我們的手機解鎖方式到更安全的自動駕駛汽車。
卷積神經網絡（CNN）是計算機視覺應用背後的架構。本文將闡述CNN和計算機視覺的基礎，例如卷積運算，填充，跨步卷積和池化層。然後，我們將使用TensorFlow構建用於圖像識別的CNN。
理解卷積
該卷積運算是卷積神經網絡的積木。
現在，在計算機視覺領域，圖像可以表示為RGB值的矩陣。這個概念實際上是在之前的文章中介紹。
要完成卷積操作，我們需要一個圖像和一個過濾器。
因此，讓我們將下面的6x6矩陣視為圖像的一部分：
6x6矩陣
過濾器將是以下矩陣：
3x3過濾器
然後，卷積涉及將濾波器疊加到圖像矩陣上，來自濾波器的值和來自圖像矩陣的的乘積，其將生成4×4的旋繞層。
這很難用文字表達，但這裡有一個很好的動畫來解釋卷積：
卷積操作
在上面的圖像矩陣上執行此操作並使用上面定義的過濾器，獲得以下結果矩陣：
4x4輸出層
你如何解釋輸出層？
好吧，考慮到每個值都表示顏色，或者像素有多暗（正值表示光，負值表示暗），那麼可以將輸出層解釋為：
輸出層解釋
因此，似乎這個特定的濾鏡負責檢測圖像中的垂直邊緣！
你如何選擇合適的過濾器？
這是一個自然的問題，因為你可能會發現可以應用於圖像的無限數量的過濾器。
事實證明，濾波器矩陣中的精確值可以是基於模型目標的可訓練參數。因此，可以選擇適用於特定應用程式的過濾器，也可以使用來確定過濾器的最佳值，從而產生最佳結果。
在計算機視覺中填充
以前，我們已經看到一個3x3濾波器與6x6圖像進行卷積，將產生4x4矩陣。這是因為濾波器有4x4個可能的位置以適合6x6圖像。
因此，在每個卷積步驟之後，圖像縮小，這意味著只能執行有限數量的卷積，直到圖像不再縮小為止。此外，位於圖像角落的像素僅使用一次，這導致神經網絡的信息丟失。
為了解決上述兩個問題，使用填充。填充包括在輸入圖像周圍添加邊框，如下所示：
填充為1的輸入圖像
正如你所看到的一樣，添加的邊框通常用零填充。現在，圖像的角點像素將被多次使用來計算輸出，從而有效地防止信息丟失。此外，它允許我們在輸出中保持輸入矩陣形狀。
考慮到我們的6x6輸入圖像，如果我們添加1的填充，我們得到一個8x8矩陣。應用3x3濾波器，這將產生6x6輸出。
一個簡單的等式可以幫助我們找出輸出的形狀：
其中n是輸入形狀，p是填充大小，f是濾波器形狀
重申一下，我們有：
6x6輸入 填充1 3x3過濾器因此，輸出形狀將是：6 + 2（1）-3 + 1 = 6.因此，輸出將是6x6矩陣，就像輸入圖像一樣！
填充並不總是必需的。但是，使用填充時，通常輸出的大小與輸入圖像的大小相同。這產生兩種類型的卷積。
當沒有應用填充時，這稱為" 有效卷積"。否則，它被稱為" 相同的卷積"。要確定保持輸入圖像尺寸所需的填充大小，只需將上面的公式等同於n即可。解決p後，你應該得到：
可能已經注意到f應該是奇數，以便填充為整數。因此，計算機視覺領域的慣例是具有奇數濾波器。
跨步卷積
以前，我們已經看到了一個步幅為1 的卷積。這意味著濾波器水平和垂直移動了1個像素。
一個跨步卷積是當步幅大於1.在下面的動畫中，步幅為2：
捲入2的步幅
現在，考慮到步幅，計算輸出矩陣形狀的公式是：
s是步幅
作為慣例，如果上面的公式不產生整數，那麼我們向下捨入到最接近的整數。
匯集層
池化層是減少圖像解釋大小以增加計算速度的另一種方法，它使檢測到的特徵更加健壯。
最好用圖像解釋池化。以下是最大池的示例：
使用2x2過濾器進行最大池化
我們選擇了一個步長為2的2x2濾波器。這相當於將輸入分成4個相同的方塊，然後我們取每個方塊的最大值，並在輸出中使用它。
也可以執行平均池化，但它不如最大池化。
您可以將池化視為防止過度擬合的一種方法，因為我們正在從輸入圖像中刪除某些功能。
為什麼要使用卷積神經網絡？
我們現在對卷積神經網絡有很強的基礎知識。但是，為什麼深度學習從業者會使用它們呢？
與完全連接的層不同，卷積層具有要學習的小得多的參數集。這是因為：
參數共享 連接稀疏參數共享指的是一個特徵檢測器，例如垂直邊緣檢測器，將在圖像的許多部分中有用。然後，連接的稀疏性指的是只有少數特徵與某個輸出值相關的事實。
考慮到上面的最大池化示例，輸出的左上角值僅取決於輸入圖像的左上角2x2平方。
因此，我們可以訓練較小的數據集並大大減少要學習的參數數量，使CNN成為計算機視覺任務的一個很好的工具。
使用TensorFlow構建CNN
足夠理論，讓我們編碼CNN進行手勢識別。我們重新審視之前的項目，看看CNN是否會表現更好。
與往常一樣，有完整的筆記本電腦。
第1步：預處理圖像
導入所需的庫和資源後，我們加載數據並預處理圖像：
第2步：創建佔位符
然後，我們為功能和目標創建佔位符：
第3步：初始化參數
然後我們使用Xavier初始化初始化我們的參數：
第4步：定義前向傳播
現在，我們定義前向傳播步驟，這實際上是我們CNN的架構。我們將使用具有2個卷積層和最終完全連接層的簡單3層網絡：
第5步：計算成本函數
最後，我們定義一個計算成本的函數：
第6步：將所有功能組合到一個模型中
現在，我們將上述所有功能合併到一個CNN網絡中。我們將使用小批量梯度下降進行訓練：
現在，我們可以運行我們的模型並查看它的執行情況：
_，_，parameters = model（X_train，Y_train，X_test，Y_test）
現在你對CNN和計算機視覺領域有很好的了解。雖然還有很多東西需要學習，但更高級的技術都是使用這裡介紹的概念作為基本構建塊。