Deep Learning 原理 : Neural Network 如何分類圖像

緯緯道來
·
·
IPFS
·
站在 Neural Network 的角度看世界!
source: Pixabay

前言

前一篇文章中,我們認識了 Neural Network 的基本組成與 Input、Output Layer 的設計理念,也認識到 Feedforward Neural Network 與 Recurrent Neural Network 的差別。

在本篇文章中,我們會以「手寫數字圖像分類」問題出發,了解如何設計 Neural Network 解決此問題,並站在 Neural Network 的角度,理解它們如何思考圖像中的數字並進行分類。

手寫數字圖像分類問題

「手寫數字圖像分類」問題是 Deep Learning 領域中相當常見的問題,許多剛踏入 Deep Learning 領域的初學者,也會將解決此問題作為第一個 Deep Learning 專案。

手寫數字圖像示意圖 [source: Neural Networks and Deep Learning]

上圖呈現的就是一張手寫數字的圖像。我們希望訓練一個 Neural Network 能夠精確的辨識其中的每一個數字 —— 504192。以上圖為來說,辨識的過程分為兩個步驟。第一步,必須先進行圖像的分割,也就是將每一個數字分開來。第二步,針對每一個數字圖像進行分類 (0 ~ 9)。

在本篇文章中,我們不討論第一步 (圖像分割) 的部分,我們聚焦在第二個部分 (圖像分類/辨識)。因此,我們假設目前所有的圖像中都只包含一個數字,而且每張圖像都是相同的尺寸 (28 × 28),那麼我們該如何設計一個 Neural Network 來辨識這個數字呢 ?

Neural Network 的設計

介紹 Neural Network 組成一文中,我們有討論過這個問題。針對問題本身,我們可以很直觀的設計 Neural Network 的 Input Layer 與 Output Layer。

Neural Network 的設計 [source: Neural Networks and Deep Learning]

如上圖所示,Input Layer 中的每一個 Neuron 將會代表圖像中每一個 Pixel 的數值。因為圖像的尺寸都是 28 × 28,因此總共會有 784 Pixel。也就是說,Input Layer 中總共會有 784 個 Neuron (在上圖中,我們沒有真的畫出 784 個 Neuron)。此外,因為每一張圖像都是灰階 (Grayscale) 圖像,因此每一個 Pixel 只會擁有一個通道 (Channel) 用來表示這一個 Pixel「有多黑」。例如,如果這一個 Pixel 的數值是 0,表示「全白」;如果是 255,則表示「全黑」;介於 0 與 255 之間的數字,則是白色與黑色組成的灰色。

然而,我們通常不會直接將 Pixel 的原始數值輸入到 Neural Network 中。為了提升 Neural Network 的訓練速度與品質,我們通常會將輸入的數值進行一些轉換,壓縮到 0 到 1 的區間。因此,我們會將每一個 Pixel 數值除以 255,使得 Input Neuron 的數值介於 0.0 到 1.0 之間。

在上圖的 Neural Network 中,我們只用了一個 Hidden Layer,Hidden Layer 中包含了 15 個 Neuron。

Output Layer 則包含了 10 個 Neuron,分別代表數字 0 到 9。舉例來說,如果輸入一張圖片到 Neural Network 中,代表數字 6 的 Neuron 有最大的數值,則表示 Neural Network 認為這張圖像應為「6」。

Output Layer 為什麼不使用 4 個 Neuron 就好

既然 Neural Network 的 Output Layer 最終只會表示 0 ~ 9 任一個數字,那為什麼不使用 4 個 Neuron 就好?每一個 Neuron 都可以表示 0 或 1,4 個 Neuron 就可以表示 2 × 2 × 2 × 2 = 16 種數字,是相當足夠的。

要回答這一個問題並不容易,因為我們必須把自己當作 Neural Network,了解 Neural Network 如何理解圖像中的資訊。即使如此,我們還是可以透過更務實的方式來解答這個問題:實驗的結果證實,10 個 Neuron 的 Output Layer 比 4 個 Neuron 的 Output Layer 有更好的的辨識結果。

Neural Network 如何理解圖像資訊

接著,我們來體會 Neural Network 如何理解圖像中的資訊。我們聚焦在 Output Layer 的第 1 個 Neuron,也就是負責「輸出 0」的 Neuron。假設這一個 Neural Network 已經訓練完成,當輸入一張「手寫數字 0」的圖像時,這一個 Neuron 會比同在 Output Layer 的 Neuron 輸出更大的數字才對。

我們聚焦在 Output Layer 的第一個 Neuron [source: Neural Networks and Deep Learning]

這一個 Neuron 主要就是將 Hidden Layer 中所有 Neuron 的輸出,分別乘以一個 w 並加總在一起。那麼 Hidden Layer 的 Neuron 又是在做什麼事情呢?

Hidden Layer 中的每一個 Neuron 都負責辨識輸入圖像中的某一種特徵。如果輸入圖像中包含該 Neuron 所負責的特徵,那麼該 Neuron 的輸出就會特別大。舉例來說:

數字 0 的左上部分 [source: Neural Networks and Deep Learning]

如果 Hidden Layer 中的第 1 個 Neuron 負責辨識上圖那樣的特徵,那麼這一個 Neuron 在對每一個 Input Neuron 計算權重乘積的總和時,就會給予那一部份的 Input Neuron 特別大的權重,其餘部分的 Neuron 則權重比較小。

同理,下方 3 種特徵分別由 Hidden Layer 的第 2、3 與 4 個 Neuron 負責。

由左而右分別是數字 0 的右上、左下與右下部分 [source: Neural Networks and Deep Learning]

如果將這 4 種特徵合在一起,其實就是一張數字 0 的手寫圖像!

數字 0 的手寫圖像

因此,當我們輸入這張數字 0 的手寫圖像到 Neural Network 中時,Hidden Layer 中的前 4 個 Neuron 分別都會偵測到自己負責的特徵,因此輸出特別大的數字。接著,我們就可以推測 Output Layer 的第一個 Neuron 在對 Hidden Layer 所有 Neuron 計算權重乘積的總和時,勢必會給前 4 個 Neuron 比較大的權重,因為它知道他們 4 個組合在一起就是在辨識數字 0。

了解 Neural Network 如何理解圖像中的資訊之後,我們就可以比較好理解為什麼 Output Layer 中有 10 個 Neuron 而不是 4 個 Neuron。因為當 Output Layer 有 10 個 Neuron 時,每一個 Output Neuron 都會象徵一個數字,每一個 Output Neuron 會不會被激發 (輸出很大的數值) 取決於前面的 Hidden Layer 捕捉到了哪些形狀特徵。然而,當 Output Layer 只有 4 個 Neuron 時,每一個 Output Neuron 則是象徵一個 Bit,Hidden Layer 捕捉到了哪些形狀特徵,與這個 Bit 為 0 或 1 相較比較難以關聯在一起。

結語

在本篇文章中,我們進入到 Neural Network 的視角,體會 Neural Network 如何理解圖像中的資訊。在下一篇文章中,我們將理解 「Neural Network 如何學習」,如何調整自己的參數 (weight 與 bias) 使得輸出愈來愈正確。

參考


👣 👣 👣 我喜歡撰寫程式開發、資料科學領域相關的文章,希望可以透過簡單的文字解釋複雜的觀念!如果你也有興趣可以到我的其他平台逛逛哦!
👉🏻 DataSci Ocean
👉🏻 YouTube


《深度學習 · 核心觀念》系列文章

01 - 開始深度學習之前,先了解什麼是「感知器」(Perceptron)
02 - Perceptron 的改良版 : 了解什麼是 Sigmoid Neuron
03 - Deep Learning 第一站 : Neural Network 名詞介紹




CC BY-NC-ND 2.0 授权

喜欢我的作品吗?别忘了给予支持与赞赏,让我知道在创作的路上有你陪伴,一起延续这份热忱!

緯緯道來研究所學生,主修資訊工程,熱衷於深度學習與機器學習。初期先以基本的程式教學為主,希望我的文章能夠幫助到你!(https://linktr.ee/johnnyhwu)
  • 来自作者
  • 相关推荐

Python 中 if __name__ == “__main__” 有什麼用處

近期的心情寫照

Python Module 觀念解析