-
核方法替代了之前的神经网络网络方法，SVM对于调参不敏感，现在也有一些应用
-
本质上是特征提取，具体的方法是选择核函数来计算，把特征映射到高纬空间，使得他们线性可分
-
经过核函数计算之后，原问题可以转化为凸优化问题，这是2006年左右的研究热点
-
核方法有很多漂亮的定理，有很好的数学解释性
-
2010年左右，深度学习才兴起
- 首先还是对图片进行特征抽取
- 希望把计算机视觉问题描述成几何问题，建立（非）凸优化模型，可以得到很多漂亮的定理。
- 可以假设这是一个几何问题，假设这个假设被满足了，可以推出很好的效果
- 特征工程就是怎么抽取一张图片的特征，因为直接输入一张图片效果非常的差
- 特征描述子：SIFT,SURF
- 数据的增长，硬件的计算能力奠定了人们对于方法的选择
-
AlexNet赢得了2012年ImageNet竞赛冠军
-
本质上是一个加强版的LeNet，更深更大
-
AlexNet主要改进措施：
- dropout（正则）
- ReLu（梯度更大）
- MaxPooling（取最大值，梯度相对增大）
-
影响：计算机视觉方法论的改变，从人工提取特征过渡到CNN学习特征
- 网络代码
net = nn.Sequential(
这里，我们使用一个11*11的更大窗口来捕捉对象。
# 同时，步幅为4，以减少输出的高度和宽度。
# 另外，输出通道的数目远大于LeNet
nn.Conv2d(1, 96, kernel_size=11, stride=4, padding=1), nn.ReLU(),
nn.MaxPool2d(kernel_size=3, stride=2),
# 减小卷积窗口，使用填充为2来使得输入与输出的高和宽一致，且增大输出通道数
nn.Conv2d(96, 256, kernel_size=5, padding=2), nn.ReLU(),
nn.MaxPool2d(kernel_size=3, stride=2),
# 使用三个连续的卷积层和较小的卷积窗口。
# 除了最后的卷积层，输出通道的数量进一步增加。
# 在前两个卷积层之后，汇聚层不用于减少输入的高度和宽度
nn.Conv2d(256, 384, kernel_size=3, padding=1), nn.ReLU(),
nn.Conv2d(384, 384, kernel_size=3, padding=1), nn.ReLU(),
nn.Conv2d(384, 256, kernel_size=3, padding=1), nn.ReLU(),
nn.MaxPool2d(kernel_size=3, stride=2),
nn.Flatten(),
# 这里，全连接层的输出数量是LeNet中的好几倍。使用dropout层来减轻过拟合
nn.Linear(6400, 4096), nn.ReLU(),
nn.Dropout(p=0.5),
nn.Linear(4096, 4096), nn.ReLU(),
nn.Dropout(p=0.5),
# 最后是输出层。由于这里使用Fashion-MNIST，所以用类别数为10，而非论文中的1000
nn.Linear(4096, 10))- 更多细节
- 激活函数从sigmoid变成Relu，减缓梯度消失
- 隐藏全连接层后加入了丢弃层（2个4096之后加入了dropout）
- 数据增强，将一张图片进行变化，选取多个位置、光照之类的。
- 复杂度对比
- 参数个数增加，每次更新数据增加
- AlexNet 是更大更深的LeNet，10x参数个数，260x计算复杂度
- 新加入了dropout，relu，maxpooling，数据增强
- 标志着新一轮神经网络热潮开始了
- 问题大部分都在问如何炼丹，炼丹的理论，为啥炼丹的步骤要这样不哪有？
- 老师说这个确实不好理解，只能从自己的角度去尝试解释
- 数据增强了，但是效果还不如之前的，为啥？
- 太正常了，属于超参数没调好
- 为啥LeNet不属于深度卷积神经网络？
- 为了包装现在的产品，更好卖（确实是这么回答的），这个我们研究者需要学习，好好宣传自己的产品
- 网络要求输入的size是固定的，实际使用的时候图片不一定是要求的size，怎么处理？
- 如果是大的图片，在保持长宽比的情况下，把短边压成输入的size，然后在新的图片中随机抠出来几张图片（要求和网络输入一致）进行预测。效果上不会有太大的影响