卷积神经网络

2020-08-16 本文已影响0人 zidea

MachineLearninginMarketing

纹理

<img src="images/pattern_001.jpg">
我们要识别图片的内容，读取图片的信息，我们不但提取出图片中一些边缘的信息还需要识别出图案中纹理，这样我们才能准确获取图片的信息。

纹理表示方法

纹理是由一些基元按照一定形式组合而成，所谓纹理基元就是在图片中重复出现的最小单元的图案。

规则纹理
<img src="images/tile_pattern.jpg">
随机纹理
<img src="images/beer_pattern.jpeg">

基于卷积核组的纹理表示方法

有关图片纹理我们还可以引入一些统计学的概念，也就是不但通过基元，而且通过统计学信息描述这些基元如何组合在一起。

利用卷积核组提取图像中的纹理基
利用基元的统计信息来表示图像的纹理

卷积核组

<img src="images/kernel_group.png">
我们把这样 7 卷积核放在一起就是卷积核组，我们现在第一个卷积核看起，这个卷积核应该是高斯偏导核，用于检测水平的边，前 6 卷积核是用于检测不同方向的边，而最后一个用于检测图片上是否有圆形图案。

基于卷积核组的图像表示

设计卷积核组
利用卷积核组对图像进行卷积操作获取对应的特征响应图组
利用特征响应图的某种统计信息来表示图像中的纹理
<img src="images/kernel_grp_presentation.png">

那么我们是如何用卷积核提取图案信息来表示图像呢，首先我们用卷积核组每一个卷积核去扫描图片得到对应响应图，卷积核下方对应的图，然后将这个响应图用一个向量来表示，也就是将图片矩阵展平，如 $100 \times 100$ 大小的响应图展平就是 10000 维的向量 $(r_{11})$ ，然后在将这些向量组合就得到基于卷积核组的图像表示。