HALCON高級篇：CNNs理論
卷積神經網路（CNNs）
隨著機器視覺硬體已經變得越來越強，訓練多隱含層的神經網路現在已經成為可能，其就是我們已知的深度學習。在深度學習領域的一個主要工具就是卷積神經網路（CNNs）。
CNNs具有特徵不必人工去選擇的優勢，相反，濾波器值在整個訓練過程中都將被調整。基本上，在訓練中採用帶標籤的圖像，CNN儘力去找能夠合理的區分類的特徵。這就意味著，當訓練一個CNN的時候，不像一些其他的分類方法，它不必要為分類器去指定特徵。但是，神經網路架構，例如層的順序和數量，超參數等，必須被指定。因為這個任務是相當複雜的，CNNs目前僅僅在HALCON中用於OCR的分類，僅僅用預訓練的字體普遍性。也就是說，至今訓練你自己的基於CNN的OCR分類器還是不可能的。CNNs不能用於一般特徵的分類或者圖像的分割。下面，一些CNN理論的基本概念被描述。
CNNs是受人類和許多動物的視覺皮質的啟發。當我們看特定方向的邊緣時，一些在大腦中單獨的神經細胞就會有反應。當暴露在垂直邊緣，一些神經元將被激活；當展示了水平或者對角邊緣的時候，一些神經元將被激活。類似的，卷積神經網路通過尋找底層特徵，如邊緣或者曲線類執行分類，然後建立起更抽象的概念。這些概念可能類似於文本，logo或者機器部件。這些特徵在訓練的過程中被自動的選擇。圖像被傳入到一系列層中得到一個輸出。在下文，一些常用類型的層將被介紹。特別是卷積，池化，ReLU和全連接層。
卷積層
第一層通常是一個卷積層。這裡，一個濾波器沿著圖像移動，如下圖：
圖1：一個3x3的濾波器在5x5大小的圖像上移動，移動在左上角開始，結果是一個3x3的特徵映射。
濾波器（或者內核）是一個數組（或者權重）。一個例子如圖2。圖像的原始像素值同濾波器的權重進行相乘，這些相乘值被相加求總和。由於這代表了一個卷積，故這個層的名字被叫為「卷積層」。
圖2： 一個5x5的濾波器在一張16x16大小的圖像上移動。濾波器被設計去尋找水平邊。如果被濾波的5x5區域內包含一個水平邊，那麼所求和是一個大的數。如果這沒有水平邊，和將相對較小。
這個卷積在整張圖像上被執行，結果被稱為特徵映射。在圖2中，濾波的結果是一個數組（特徵映射），其提供了在圖像中哪裡找到水平邊的信息。在實際中，許多不同的濾波器被用來去決定圖像的特徵。結果，單個濾波器產生2維的激活映射，其然後沿著第三維被疊加，產生了3維的輸出容量（見圖4）。
池化層
池化是一個非線性下採樣的形式，其減少了圖像表現的空間尺寸，同時還有神經網路中參數的數量，進而也減少了過擬合的風險。一個常用的方法被稱為「最大池化」（見圖3）。它將輸入圖像劃分為小矩形，然後返回每個矩形的最大值。
圖3：「最大池化」劃分一個4x4的輸入圖像未4個不重疊的矩形，並返回每一個矩形的最大值
矯正的線性單元（ReLU）層
一個CNNN必須能夠去接近非線性函數，從而，它需要至少一個非線性層。ReLU層已經變成了一個常用的方法，因為它們能夠被很快的計算出來。
全連接的層
在一個CNN中，最後一層通常是一個全連接層。這個層類似於MLP的一個隱含層，其獲得先前層的輸出，其代表了更高層特徵的特徵映射。然後，基於這些特徵，類別被選定。例如，如果圖像展示了一個狗（類：狗），這可能是代表更高層特徵的特徵映射，如爪子，鼻子或者毛。這些特徵映射被自動創建。
基本配置
一個簡單CNN分類器的架構看起來是這樣的：
輸入圖像->卷積層->矯正的線性單元（ReLU）->卷積層->ReLU->池化層->ReLU->卷積層->ReLU->池化層->全連接層
圖4：一個卷積神經網路的簡化配置。一個卷積層通常緊跟一個池化層。在最後，一個全連接層被用來計算輸出。另外，ReLU層通常在這些層之間，來增加神經網路的非線性屬性。
每一層用前邊層的輸出（見圖4）。第一層檢測底層特徵，如邊緣或者曲線。接下來層的特徵映射描述了更高層特徵。在一個CNN最後的濾波器感知來自原始圖像更大區域的信息。這樣的話，它就能夠預測一個對象的類別。
基於CNN的OCR分類器的優勢在於其泛化能力。這樣，當開發已給OCR應用時候，推薦首先嘗試用預訓練的基於CNN的OCR字體普遍性，並且在嘗試其他任何OCR分類方法之前去評估結果。
覺得有幫助？請轉載分享給你們的朋友吧。
TAG:HalconVision |