0 引言

    隨著互聯(lián)網(wǎng)和多媒體技術(shù)的快速發(fā)展，圖像數(shù)據(jù)呈現(xiàn)出爆發(fā)式的增長(zhǎng)，如何對(duì)海量圖像進(jìn)行高效的分類和檢索成了一項(xiàng)新的挑戰(zhàn)。圖像分類是圖像檢索、物體檢測(cè)和識(shí)別等應(yīng)用的基礎(chǔ)，也是模式識(shí)別和機(jī)器學(xué)習(xí)中的研究熱點(diǎn)。

    深度學(xué)習(xí)是一種對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法^[1]，起源于神經(jīng)網(wǎng)絡(luò)，已有幾十年之久，但是一度發(fā)展緩慢。直至2012年，HOMTPM G和他的團(tuán)隊(duì)在ImageNet大型圖像識(shí)別競(jìng)賽中取得極其優(yōu)異的成績(jī)，將top-5的錯(cuò)誤率由26%降到15%，從此，深度學(xué)習(xí)引起了越來(lái)越多研究者的關(guān)注，進(jìn)入快速發(fā)展時(shí)期。

    深度學(xué)習(xí)技術(shù)在神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練過(guò)程中常常會(huì)引起過(guò)擬合的問(wèn)題。所謂過(guò)擬合(Overfitting)，是指模型對(duì)訓(xùn)練集的數(shù)據(jù)擬合得很好，而對(duì)它未學(xué)習(xí)過(guò)的數(shù)據(jù)集擬合并不好，泛化能力較弱，即對(duì)學(xué)習(xí)過(guò)的樣本效果很好，推廣到更一般、更具普適性的樣本上表現(xiàn)并不好。

    本文針對(duì)神經(jīng)網(wǎng)絡(luò)模型中常見(jiàn)的過(guò)擬合問(wèn)題，將不同池化方式對(duì)圖像分類的影響進(jìn)行了分析對(duì)比，提出了一種采用重疊池化和dropout技術(shù)的卷積神經(jīng)網(wǎng)絡(luò)，在一定程度上緩解了過(guò)擬合問(wèn)題，能夠應(yīng)對(duì)更加復(fù)雜多變的數(shù)據(jù)環(huán)境。

1 卷積神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)是深度學(xué)習(xí)最常用的網(wǎng)絡(luò)模型之一，在語(yǔ)音分析、圖像識(shí)別等領(lǐng)域廣泛應(yīng)用。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)是全連接的，參數(shù)數(shù)量巨大，訓(xùn)練耗時(shí)甚至難以訓(xùn)練，而卷積神經(jīng)網(wǎng)絡(luò)受到現(xiàn)代生物神經(jīng)網(wǎng)絡(luò)的啟發(fā)，通過(guò)局部連接、權(quán)值共享等方式降低了模型復(fù)雜度，減少權(quán)重?cái)?shù)量，降低了訓(xùn)練的難度。

1.1 卷積特征提取

    圖像卷積實(shí)際上是對(duì)圖像的空間線性濾波，濾波本是頻域分析常用的方法，圖像中也經(jīng)常使用空間濾波進(jìn)行圖像增強(qiáng)。濾波所用的濾波器也就是卷積中的卷積核，通常是一個(gè)鄰域，比如一個(gè)3×3大小的矩陣。

    卷積過(guò)程是把卷積核中的元素依次和圖像中對(duì)應(yīng)的像素相乘求和作為卷積后新的像素值，然后把該卷積核沿著原圖像平移，繼續(xù)計(jì)算新的像素值，直至覆蓋整個(gè)圖像。卷積過(guò)程如圖1所示。

    圖1是忽略了偏置項(xiàng)的卷積過(guò)程，輸入圖像大小是5×5，卷積核大小是3×3，卷積后的輸出大小也是3×3。具體運(yùn)算過(guò)程是卷積核從輸入圖像的左上角開(kāi)始進(jìn)行線性求和運(yùn)算，然后每次向右移動(dòng)一個(gè)像素的距離，直至最右側(cè)，再向下移動(dòng)一個(gè)像素，依次進(jìn)行，便可得到卷積輸出。如果想讓輸出和輸入大小相同，可以在原圖像周圍補(bǔ)一圈“0”變成7×7的大小，然后再進(jìn)行卷積運(yùn)算即可。

    卷積的作用過(guò)程雖然很簡(jiǎn)單，但卻能根據(jù)不同的卷積核對(duì)圖像產(chǎn)生很多不同的效果。上述卷積過(guò)程實(shí)質(zhì)上是一種相關(guān)作用，與嚴(yán)格的圖像處理中的卷積稍有不同，嚴(yán)格的卷積需要把卷積核先旋轉(zhuǎn)180°再進(jìn)行相關(guān)運(yùn)算。

    對(duì)圖像進(jìn)行卷積操作，實(shí)際上是在對(duì)圖像進(jìn)行特征提取，卷積可以消除圖像旋轉(zhuǎn)、平移和尺度變換帶來(lái)的影響^[2]。卷積層特別擅長(zhǎng)在圖像數(shù)據(jù)中提取特征，并且不同層能提取不同的特征。

    卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是逐層提取特征，第一層提取的特征較為低級(jí)，第二層在第一層的基礎(chǔ)上繼續(xù)提取更高級(jí)別的特征，同樣，第三層在第二層的基礎(chǔ)上提取的特征也更為復(fù)雜。越高級(jí)的特征越能體現(xiàn)出圖像的類別屬性，卷積神經(jīng)網(wǎng)絡(luò)正是通過(guò)逐層卷積的方式提取圖像的優(yōu)良特征。

1.2 池化下采樣

    圖像經(jīng)過(guò)卷積之后會(huì)產(chǎn)生多個(gè)特征圖，但是特征圖的大小與原始圖像相比并沒(méi)有改變，數(shù)據(jù)量仍然很大，計(jì)算量也會(huì)很大，為了簡(jiǎn)化運(yùn)算，常常會(huì)把特征圖進(jìn)行下采樣。卷積神經(jīng)網(wǎng)絡(luò)采取池化(Pooling)的方式進(jìn)行下采樣，常見(jiàn)的池化方法有兩種：最大值池化(MaxPooling)和平均值池化(AvgPooling)，兩種池化過(guò)程如圖2所示。

    圖2中，窗口大小是2×2，步長(zhǎng)是2。最大值池化是在窗口覆蓋的4個(gè)像素內(nèi)選擇最大的像素值作為采樣值；平均值池化是計(jì)算窗口內(nèi)4個(gè)像素的平均值，每次把窗口向右或者向下移動(dòng)2個(gè)像素的距離，所以4×4的特征圖池化后大小變?yōu)?×2。

2 用于圖像分類的CNN模型設(shè)計(jì)

    本文參考VGGNet中卷積塊^[3]思想設(shè)計(jì)了一種卷積神經(jīng)網(wǎng)絡(luò)模型，在卷積層和全連接層加入了dropout層，一定程度上緩解了過(guò)擬合問(wèn)題，還對(duì)不同池化方式和池化窗口對(duì)分類效果的影響進(jìn)行了分析對(duì)比。

2.1 基礎(chǔ)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    該網(wǎng)絡(luò)模型如表1所示，共有11層，包括4個(gè)卷積層，3個(gè)池化層，主要包括3個(gè)部分。首先第一層是輸入層，本文使用的數(shù)據(jù)集有10個(gè)種類，是大小為32×32的彩色圖像，使用RGB顏色空間，所以輸入層大小是32×32×3。第一部分包括2個(gè)卷積層和2個(gè)池化層，2個(gè)卷積層的特征圖數(shù)量都是32；第二部分包括2個(gè)卷積層和1個(gè)池化層，2層卷積的特征圖都是64個(gè)；第三部分是稠密連接層，即全連接層，第1層全連接層是512個(gè)神經(jīng)元，第2層是10個(gè)，即劃分到10個(gè)種類，然后使用Softmax回歸進(jìn)行分類。表1中的Conv(3，3)-32代表該層是卷積層，且卷積核大小是3×3有32個(gè)特征圖；MaxPool(2，2)是指最大值池化，且窗口大小是2×2；FC-512是指該層是全連接層，神經(jīng)元數(shù)目是152個(gè)。

2.2 存在問(wèn)題分析

    針對(duì)本模型使用CIFAR-10數(shù)據(jù)集進(jìn)行試驗(yàn)測(cè)試，部分樣例如圖3所示。

    使用CIFAR-10數(shù)據(jù)集結(jié)合Rmsprop優(yōu)化方法訓(xùn)練該網(wǎng)絡(luò)，把所有訓(xùn)練集中的圖像訓(xùn)練一遍為一個(gè)周期(epoch)。在訓(xùn)練100個(gè)周期后，訓(xùn)練過(guò)程準(zhǔn)確率變化如圖4所示。

    在訓(xùn)練過(guò)程中每一個(gè)周期都會(huì)計(jì)算訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集的準(zhǔn)確率，可以看出在40個(gè)周期之前，測(cè)試集的準(zhǔn)確率隨著訓(xùn)練集的準(zhǔn)確率一起上升，在第40個(gè)周期時(shí)達(dá)到0.74；之后訓(xùn)練集的準(zhǔn)確率繼續(xù)上升，而測(cè)試集的準(zhǔn)確率上升很小，而且有小幅波動(dòng)；在70個(gè)周期之后，訓(xùn)練集準(zhǔn)確率仍繼續(xù)上升，而測(cè)試集準(zhǔn)確率保持平穩(wěn)，變化很小。本次訓(xùn)練的損失函數(shù)如圖5所示。

    從圖5也可以看出，開(kāi)始時(shí)測(cè)試集隨著訓(xùn)練集的損失值一起下降，40個(gè)周期之后測(cè)試集的損失值一直在0.72～0.75之間波動(dòng)，而訓(xùn)練集的損失值還一直保持著下降的趨勢(shì)，第80個(gè)周期下降到0.50，最后下降到0.42。損失函數(shù)的變化也從側(cè)面印證了該模型出現(xiàn)了較為嚴(yán)重的過(guò)擬合問(wèn)題。

3 本文提案的模型

    使用重疊池化可以緩和過(guò)擬合問(wèn)題，使用正則化也可以解決過(guò)擬合問(wèn)題。HINTON G E于2012年提出了dropout技術(shù)^[4]，針對(duì)神經(jīng)網(wǎng)絡(luò)的過(guò)擬合問(wèn)題有了較大改善。dropout是指在訓(xùn)練網(wǎng)絡(luò)的過(guò)程中按照一定的比例隨機(jī)丟棄部分神經(jīng)元，即把某層中的神經(jīng)元隨機(jī)選取一部分使其輸出值為0，這樣會(huì)使得這部分被選中的神經(jīng)元對(duì)下一層與其相連的神經(jīng)元輸出沒(méi)有貢獻(xiàn)，失去作用。

    多次實(shí)驗(yàn)發(fā)現(xiàn)，針對(duì)該網(wǎng)絡(luò)模型最大值池化比平均值池化效果相對(duì)較好，使用重疊池化也可以改善效果，訓(xùn)練100個(gè)周期訓(xùn)練集和測(cè)試集的準(zhǔn)確率如表2所示。

    表2記錄的是針對(duì)不同網(wǎng)絡(luò)結(jié)構(gòu)在100個(gè)周期內(nèi)訓(xùn)練集和測(cè)試集的最高準(zhǔn)確率。第1種和第2種模型分別采用平均值和最大值的非重疊池化，可以看出最大值池化相對(duì)平均值池化效果更好，但是二者都有過(guò)擬合問(wèn)題；第3種模型是最大值重疊池化，一定程度上緩解了過(guò)擬合問(wèn)題；第4種模型使用了最大值重疊池化和dropout技術(shù)并加上了適量正則化，可以看出訓(xùn)練集的準(zhǔn)確率遠(yuǎn)低于測(cè)試集，其準(zhǔn)確率上升還有較大潛力。因此，選擇第4種作為優(yōu)化后的網(wǎng)絡(luò)結(jié)構(gòu)，完整的網(wǎng)絡(luò)結(jié)構(gòu)如表3所示。

    優(yōu)化后的網(wǎng)絡(luò)結(jié)構(gòu)與原結(jié)構(gòu)相比分別在第5層和第9層最大值重疊池化層后加入了0.25比例的dropout層，在第11層全連接層后加入了0.5比例的dropout層。另外對(duì)卷積層和全連接層的網(wǎng)絡(luò)權(quán)重使用了L2正則化，正則化因子較小只有0.000 1，仍然使用Rmsprop學(xué)習(xí)方法訓(xùn)練300個(gè)周期之后的準(zhǔn)確率如圖6所示。

    從圖6的訓(xùn)練過(guò)程可以看出，dropout技術(shù)較好地解決了過(guò)擬合問(wèn)題，測(cè)試集準(zhǔn)確率隨著訓(xùn)練集的準(zhǔn)確率一起上升，而且訓(xùn)練集準(zhǔn)確率一直都低于測(cè)試集，300個(gè)周期內(nèi)訓(xùn)練集準(zhǔn)確率最高是73.49%，測(cè)試集最高準(zhǔn)確率可以達(dá)到82.15%，可見(jiàn)dropout技術(shù)大大改善了過(guò)擬合問(wèn)題。

    dropout在訓(xùn)練過(guò)程中隨機(jī)丟棄部分神經(jīng)元，每一批次的數(shù)據(jù)訓(xùn)練的都是一個(gè)不同的網(wǎng)絡(luò)結(jié)構(gòu)，相當(dāng)于訓(xùn)練了多個(gè)網(wǎng)絡(luò)，把多個(gè)不同結(jié)構(gòu)的網(wǎng)絡(luò)組合在一起，集成多個(gè)訓(xùn)練的網(wǎng)絡(luò)于一體，可以有效防止單一結(jié)構(gòu)網(wǎng)絡(luò)的過(guò)度擬合。

4 結(jié)束語(yǔ)

    本文提出了一種用于圖像分類的卷積神經(jīng)網(wǎng)絡(luò)模型，針對(duì)傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)出現(xiàn)的過(guò)擬合問(wèn)題，使用不同的池化方式和dropout技術(shù)，優(yōu)化了網(wǎng)絡(luò)結(jié)構(gòu)，提高了模型的圖像分類性能，在CIFAR-10數(shù)據(jù)集上取得較好的分類效果。

參考文獻(xiàn)

[1] LECUN Y，BENGIO Y，HINTON G.Deep learning[J].Nature，2015，521(7553)：436-444.

[2] 謝寶劍.基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究[D].合肥：合肥工業(yè)大學(xué)，2015.

[3] SIMONYAN K，ZISSERMAN A.Very deep convolutional networks for large-scale image recognition[EB/OL].(2014-09-04)[2018-03-20].https：//arxiv.org/abs/1409.1556.

[4] KRIZHEVSKY A，SUTSKEVER I，HINTON G E.ImageNet classification with deep convolutional neural networks[C].International Conference on Neural Information Processing Systems.Curran Associates，2012：1097-1105.

作者信息:

許少尉，陳思宇

（中國(guó)航空計(jì)算技術(shù)研究所，陜西 西安710065）