从这开始了解深度学习——视觉的深度学习与网络

已经很久没有更新内容了，今天抽空来给大家分享一些关于计算机视觉领域的一个重点，那就是 “深度学习”，接下来就来详细聊聊深度学习（为什么要深度学习特征？？？），然后来说说深度网络的搭建，最后让我们自己用手 DIY 属于自己的网络，现在就开始 ing......

介绍

一说起 “深度学习”，大家有想过为什么要去搭建复杂网络，去学习更高级的特征呢？其实很简单，因为趋势是朝着类脑那个大方向，现在类脑工作已经得到很多研究员的关注。

类脑计算实际上存在两个技术层面：第 1 层面是 “走出诺依曼框架”，主要属于人工神经网络的大范畴；第 2 层面是 “基于神经科学的计算机算法”，试图超越人工神经网络框架和摆脱权值计算模型，实现对生物脑的高逼真性模拟。所以欧盟都已经联合开始研究人脑，都成立一个叫 “人类脑计划”，美国也开始关注类脑。所以类脑计算这个方向是前途无量的。

第 1 类

主要有欧盟的 “人类脑计划” 和美国的 “BRAINs” 计划，虽然技术路径不同，但都是从生物脑的微观层面的实验数据和知识入手，通过逐渐整合，向上寻找中观和宏观层面上的数量关系规律，最终建立起整体的脑理论模型。
该类方法的特点是 “自下而上”，一场大规模的微观海量的数据和碎片化的实验知识的 “拼图工程”。首先发展高尖端技术工具，以实现对脑的微观的结构和功能的全面测量和记录；然后建立起全脑微观数据库；在此基础上，逐渐向大规模的脑计算模型上发展，并试图形成对脑活动、脑病变和脑智能的机制性解读的整体理论；最后形成比较成熟的类脑计算技术和类脑人工智能。这种研究属于长周期的大科学或大工程，需要动员大量人力物力和财力。

第 2 类

研究方法的特点是 “自上而下”。直接将研究重心放在一个 “好的” 脑理论的建造上，然后向下导出神经元模型和神经元群体网络模型；之后测试和检验模型与微观神经知识和数据之间的契合度。这种研究的关键在于怎样找到正确的理论入手点，这一步不是单纯的建模方法问题，也不是一般的学科性理论问题，而是若干个重要学科的理论进程中的汇合点上的再综合，属于科学大周期性的结晶过程。这种研究属于长周期和 “形而上” 的小科学。目前，采用第 2 类方法的主要有美国 Numenta 公司和中国的神经深构造运算与脑计算机实验室（Neural Deep Structure Computing & MindComputer Lab，Mindputer Lab），两个实验室技术路径虽异，但总体方法都是先从全脑角度来建立理论框架，然后将理论逐渐地向下细化，导出中观和微观的计算模型，之后再检验与微观层面的实验数据和知识的互恰性。

各有利弊

两类研究方法各有利弊，第 1 类方法就像在万米悬崖峭壁贴身攀岩，向上的每一步很费时且充满未知。因为，从海量的数据中去试图进行全脑网络的微观拼图，是一个大随机性的事件，即使有超级计算机或其他先进微观技术的帮助，欧美两个脑项目的 10 年计划时间是远远不够的。而第 2 类方法更像是空中伞降，难点在降落伞上，只要降落伞做得好，则向下定点降落的时间和复杂度比攀岩小的多。科学史已经证明，一个好的理论是大大削减科学探险随机性风险的锐利刀具。

有点说偏了，今天我们主要来说说深度学习这些事！

为什么要深度学习?

先来一个简单的例子：

这都是底层特征的可视化，说明底层特征也只能学习一些基础的纹理等特征，但是如果达到人脑的视觉感知，就必须要学习更高级的高层语义特征。所以才会出现更深更复杂的网络，可以理解为挖掘更高层的语义特征来进行目标的表示。如下：

什么才是深度学习？

一般会有：1）组合模型；2）端到端的学习（End-to-End）。

学习

从具体 ------------------------> 抽象

1）组合模型

犹如上面的流程图，充分说明了模型的组合学习。

2）End-to-End

下面两个链接是前期推送的内容，充分表明了网络的端到端学习过程。

深度学习 --- 反向传播的具体案例

神经网络介绍—利用反向传播算法的模式学习

接下来参考了 “slide credit Marc’aurelio Ranzato,CVPR ‘14 tutorial”

下面这个链接也详细介绍了 CNN 的演变与改进：

深度网络的 “从古至今” 的蜕变

框架

深度学习发展迅速，随之不同的框架也大量涌现出来。

Torch7

NYU
scientific computing framework in Lua
supported by Facebook

Theano/Pylearn2

U. Montreal
scientific computing framework in Python
symbolic computation and automatic differentiation

Cuda-Convnet2

Alex Krizhevsky
Very fast on state-of-the-art GPUs with Multi-GPU parallelism
C++ / CUDA library

TF（大家很熟悉了，不详细介绍）

等等。

因为我入门到现在一直用 Caffe，所以今天节详细说说这个框架。

原因（参考）：

Expression: models + optimizations are plaintext schemas, not code.
Speed: for state-of-the-art models and massive data.
Modularity: to extend to new tasks and settings.
Openness: common code and reference models for reproducibility.
Community: joint discussion and development through BSD-2 licensing.
Pure C++ / CUDA architecture for deep learning
Command line, Python, MATLAB interfaces
Fast, well-tested code
Tools, reference models, demos, and recipes
Seamless switch between CPU and GPU

网络（Net）

一个网络是由一组不同层连接而成：

name: "dummy-net"

layers{name: "data" …}
layers {name: "conv" …}
layers {name: "pool" …}
… more layers …
layers {name: "loss" …}

LeNet：

层（Layer）

name: "conv1"
type: CONVOLUTION
bottom: "data"
top: "conv1"
convolution_param {
        num_output: 20
        kernel_size: 5
    stride: 1
        weight_filler {
                  type: "xavier"
    }
}

Protobuf

网络（Net）和层（Layer）就是通过 Protobuf 来定义的。

Blob

Caffe 源码 ---Blob 基本使用

Solving： 训练一个网络

                                                train_net: "lenet_train.prototxt"
                                                base_lr: 0.01
                                                momentum: 0.9
                                                weight_decay: 0.0005
                                                max_iter: 10000
                                                snapshot_prefix: "lenet_snapshot"

如果你需要 GPU 训练：

caffe train -solver lenet_solver.prototxt -gpu 0

最后举一些流行的例子，有兴趣的朋友可以自己动手去 DIY。

目标检测

R-CNN: Regions with Convolutional Neural Networks
http://nbviewer.ipython.org/github/BVLC/caffe/blob/master/examples/detection.ipynb
Full R-CNN scripts available at https://github.com/rbgirshick/rcnn