本篇將要介紹的是，從2006年至今的神經(jīng)網(wǎng)絡(luò)第三次浪潮中，取得巨大成功、處于最核心位置的技術(shù)——卷積神經(jīng)網(wǎng)絡(luò)，Convolutional Neural Network（CNN）。
視覺皮層，來源：https://lilianweng.github.io/lil-log/2017/06/21/an-overview-of-deep-learning.html
一戰(zhàn)成名
2012年AlexNet在ImageNet上一戰(zhàn)成名，點(diǎn)爆了深度學(xué)習(xí)革命，這是歷史性的時(shí)刻。其中的故事，推薦朱瓏（Leo Zhu）的《深度學(xué)習(xí)三十年創(chuàng)新路》，講的很精彩，下面的引用部分就是片段節(jié)選。
標(biāo)志性事件是，2012年底，Geoff Hinton的博士生Alex Krizhevsky、Ilya Sutskever（他們研究深度學(xué)習(xí)時(shí)間并不長(zhǎng)）在圖片分類的競(jìng)賽ImageNet上，識(shí)別結(jié)果拿了第一名。其實(shí)類似的比賽每年很多，但意義在于，Google團(tuán)隊(duì)也在這個(gè)數(shù)據(jù)集上做了測(cè)試（非公開的，Google沒有顯式參加學(xué)術(shù)界的“競(jìng)賽”），用的也是深度學(xué)習(xí)，但識(shí)別精度比Geoff Hinton的團(tuán)隊(duì)差了很多，這下工業(yè)界振奮了。
ImageNet
如上圖所示，2012年AlexNet的驚艷之處在于，它比上一年冠軍的錯(cuò)誤率25.8%低了近10個(gè)百分點(diǎn)。正是這前所未有的進(jìn)步，引領(lǐng)人們穿透迷霧，望見了未來。
但更有意思的是（很有啟發(fā)性并值得思考），Alex Krizhevsky 和 Geoff Hinton的競(jìng)賽用的正是 Yann Lecun 發(fā)明的卷積神經(jīng)網(wǎng)，但結(jié)果剛出來時(shí)（實(shí)現(xiàn)細(xì)節(jié)還沒有公布），Yann Lecun和他的NYU實(shí)驗(yàn)室成員甚至沒法重復(fù)Geoff Hinton的結(jié)果。自己發(fā)明的算法，使用結(jié)果不如另外一個(gè)組。這下炸了鍋，Yann Lecun開了組會(huì)，反思的主題是“為什么過去兩年我們沒有得到這樣的成績(jī)” 。
黑馬AlexNet并不“新”，如上面節(jié)選所說，它其實(shí)脫胎于1998年即14年前就被Lecun提出的卷積神經(jīng)網(wǎng)絡(luò)LeNet-5，改動(dòng)非常有限：
采用ReLU而非S型神經(jīng)元；
網(wǎng)絡(luò)更深；
訓(xùn)練數(shù)據(jù)量更大；
采用GPU訓(xùn)練；
前兩點(diǎn)與網(wǎng)絡(luò)架構(gòu)相關(guān)，雖然ReLU的應(yīng)用貢獻(xiàn)良多，但就整個(gè)算法框架來說它們都算不上有實(shí)質(zhì)性的改變。而后兩點(diǎn)或許才是更根本的，得益于大數(shù)據(jù)和摩爾定律，AlexNet獲得了可以用更多數(shù)據(jù)來訓(xùn)練網(wǎng)絡(luò)所需要的算力。
而LeNet-5在當(dāng)時(shí)的數(shù)據(jù)與算力條件下，顯然不如其他的機(jī)器學(xué)習(xí)算法（核方法、圖模型、SVM等）更有前景，冰封十余載才獲得了認(rèn)可。
神經(jīng)科學(xué)的啟示
就像20世紀(jì)40、50年代，受神經(jīng)科學(xué)發(fā)現(xiàn)的啟示，人類構(gòu)建了人工神經(jīng)元一樣，1959年Hubel和Wiesel對(duì)哺乳動(dòng)物視覺皮層機(jī)理的發(fā)現(xiàn)，讓人類再次受到造物主的饋贈(zèng)，卷積神經(jīng)網(wǎng)絡(luò)就是最成功的應(yīng)用之一。
哈佛大學(xué)的神經(jīng)生理學(xué)博士Hubel和Wiesel觀察了貓大腦中的單個(gè)神經(jīng)元如何響屏幕上的圖像，他們發(fā)現(xiàn)處于視覺系統(tǒng)較前面的區(qū)域神經(jīng)元對(duì)特定的光模式反應(yīng)強(qiáng)烈，而對(duì)其他模式完全沒有反應(yīng)，這個(gè)部分被稱為初級(jí)視覺皮層，Primary Visual Cortex，也被稱為V1。他們憑借這個(gè)開創(chuàng)性的研究，在1981年獲得了諾貝爾生理學(xué)或醫(yī)學(xué)獎(jiǎng)。
V1的發(fā)現(xiàn)開啟了對(duì)人腦視覺系統(tǒng)進(jìn)一步的認(rèn)知，如本篇最前面引用的那幅圖中所繪制的，當(dāng)眼睛查看外界對(duì)象時(shí)，信息從視網(wǎng)膜流到V1，然后到V2（Secondary Visual Cortex），V4，之后是IT（Inferior Temporal Gyrus，顳下回）。哺乳動(dòng)物的視覺系統(tǒng)是分層遞進(jìn)的，每一級(jí)都比前一級(jí)處理更高層次的概念：
V1：邊緣檢測(cè)；
V2：提取簡(jiǎn)單的視覺要素（方向、空間、頻率、顏色等）
V4：監(jiān)測(cè)物體的特征；
TI：物體識(shí)別；
卷積神經(jīng)網(wǎng)絡(luò)就是根據(jù)V1的3個(gè)性質(zhì)設(shè)計(jì)的：
空間映射：根據(jù)V1的空間映射特性，卷積神經(jīng)網(wǎng)絡(luò)中的各層都是基于二維空間結(jié)構(gòu)的（末端的全連接層除外）；
簡(jiǎn)單細(xì)胞：V1中有許多簡(jiǎn)單細(xì)胞（simple cell），它們具有局部感受野，卷積網(wǎng)絡(luò)中的卷積核據(jù)此設(shè)計(jì)；
復(fù)雜細(xì)胞：V1中有許多復(fù)雜細(xì)胞（complex cell），用于響應(yīng)簡(jiǎn)單細(xì)胞檢測(cè)的特征，且對(duì)于微小偏移具有不變形，這啟發(fā)了卷積網(wǎng)絡(luò)中的池化單元；
V1其后的視覺區(qū)域，其實(shí)與V1具有相同的原理，特征檢測(cè)與池化策略反復(fù)執(zhí)行。同樣，卷積網(wǎng)絡(luò)架構(gòu)的設(shè)計(jì)，也是卷積層和池化層重復(fù)疊加，形成深度層級(jí)。具有開創(chuàng)性的現(xiàn)代卷積網(wǎng)絡(luò)LeNet-5，架構(gòu)如下圖所示：
LeNet-5
迂回前進(jìn)的歷史
卷積神經(jīng)網(wǎng)絡(luò)并不是一夜之間發(fā)明出來的，從2012年AlexNet開始追溯的話，還需要更多歷史性時(shí)刻的支撐，即使是最早的卷積神經(jīng)網(wǎng)絡(luò)出現(xiàn)，也在Hubel和Wiesel實(shí)驗(yàn)的二十年后了。盡管神經(jīng)科學(xué)給出了啟示，卻并沒有告訴我們?cè)撊绾斡?xùn)練卷積網(wǎng)絡(luò)：
1980年，日本科學(xué)家Fukushima構(gòu)建了卷積神經(jīng)網(wǎng)絡(luò)，但當(dāng)時(shí)反向傳播算法還未準(zhǔn)備好；
1986年，Hinton成功將反向傳播算法用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)；
1989年，LeCun開始基于反向傳播算法訓(xùn)練二維卷積網(wǎng)絡(luò)；
1998年，LeCun提出第一個(gè)正式的卷積神經(jīng)網(wǎng)絡(luò)LeNet-5；
歷史就是這樣迂回前進(jìn)的，一開始是各個(gè)獨(dú)立、隨機(jī)的小支流，隨著時(shí)間的推進(jìn)，最終匯聚在一起產(chǎn)生革命性的時(shí)刻。
共享協(xié)議：署名-非商業(yè)性使用-禁止演繹（CC BY-NC-ND 3.0 CN
聯(lián)系客服
