机器学习与深度学习 / 系统课时

判断 CNN 适合解决哪些任务

判断 CNN 适合解决哪些任务

面对一个新的视觉问题,第一步不是决定卷积层数,而是先判断输入是否具有可利用的局部空间结构,并明确模型最终要输出什么。本节从分类、检测和分割三个典型任务出发,建立判断 CNN 是否合适的基本方法。

学习目标

  • 区分图像分类、目标检测和图像分割的输入输出形式
  • 理解局部连接与权重共享为什么适合处理图像
  • 根据数据结构和任务目标判断是否值得采用 CNN

先看任务要求模型输出什么

三类视觉任务通常接收相似的图像输入,但输出粒度完全不同。

任务 典型问题 模型输出
图像分类 这张图主要是什么 一个或多个类别及概率
目标检测 图中有什么,它们在哪里 类别、置信度与边界框
图像分割 每个像素属于什么区域 与输入空间对应的像素级类别

同一图像在分类检测分割任务中的不同输出

分类只需要回答整张图的主要语义,因此网络可以不断压缩空间信息并形成全局表示。检测除了识别类别,还必须保留物体位置。分割要求更高,需要把语义重新对应到像素或较高分辨率的特征图上。因此,同样使用卷积提取特征,后续网络结构和输出头也会明显不同。

CNN 为什么能利用图像结构

图像不是一串互不相关的数字。一个像素与附近像素通常存在更强的关系,例如边缘由相邻像素的亮度变化形成,纹理也会在局部区域重复出现。卷积核只观察一个局部窗口,可以先学习边缘、方向和纹理,再由更深层组合成部件和对象。

另一个关键机制是权重共享。同一个卷积核会滑过整张特征图,因此在左上角学到的垂直边缘检测器,也可以用于右下角。相比让每个位置拥有完全独立的参数,这种方式显著减少参数量,并让网络天然具有平移等变性;配合步幅、池化或更深层特征后,还能获得一定的位置变化鲁棒性。

用数据结构判断是否适合卷积

适合 CNN 的核心条件不是“数据看起来像图片”,而是邻近位置之间存在稳定且有意义的局部关系。自然图像显然满足这一条件;医学影像、遥感栅格、视频帧和时频谱等规则网格数据,也经常能够利用卷积提取局部模式。

如果把二维位置随意打乱后,数据含义几乎没有改变,那么卷积的局部邻域假设通常就不成立。例如普通表格中的年龄、收入和城市编码虽然可以排列成一行,但相邻列并不意味着具有空间邻近关系,此时树模型或适合表格数据的神经网络通常更自然。

做任务选择时检查三件事

拿到一个新问题时,可以依次检查输入结构、输出粒度和局部模式是否稳定存在。输入具有规则空间或时间邻域,而且相同模式可能出现在不同位置时,卷积通常具有明显优势;随后再根据任务需要整图标签、对象位置还是像素标签,选择分类、检测或分割方案。

反过来,如果样本主要由无空间顺序的独立字段组成,或者真正重要的是任意远距离元素之间的关系,就不应该只因为 CNN 在图像任务中常见而强行使用它。正确的判断标准始终是数据结构是否匹配卷积所依赖的局部性与权重共享假设。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

判断 CNN 适合解决哪些任务

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通