CNN卷积神经网络实战：从图像预处理到模型优化的全流程解析

1次阅读

共计 1477 个字符，预计需要花费 4 分钟才能阅读完成。

数据不平衡 ：某些类别的样本数量远多于其他类别，导致模型对少数类别的识别率低。例如在医疗影像中，正常样本远多于病变样本。
梯度消失 ：深层网络中梯度在反向传播时逐渐变小，导致浅层参数难以更新。这是传统 CNN 在超过 20 层时常见的问题。
过拟合 ：模型在训练集上表现很好，但在测试集上表现不佳。常见于小数据集或复杂模型。

LeNet-5：适用于简单的手写数字识别（如 MNIST），仅含 2 个卷积层，参数量约 60k。
ResNet：通过残差连接解决梯度消失，适合深层网络（50-152 层），在 ImageNet 上 Top- 5 错误率 3.57%。
EfficientNet：通过复合缩放平衡深度 / 宽度 / 分辨率，B0 版本在同等精度下比 ResNet-50 快 3.1 倍。

import torch.nn as nn

class ConvBlock(nn.Module):
    def __init__(self, in_ch, out_ch, kernel=3):
        super().__init__()
        self.conv = nn.Conv2d(in_ch, out_ch, 
                             kernel_size=kernel,
                             padding=kernel//2)  # 保持特征图尺寸不变
        self.bn = nn.BatchNorm2d(out_ch)  # 每个通道独立归一化
        self.relu = nn.ReLU(inplace=True)

    def forward(self, x):
        # 计算流程：卷积 -> 批归一化 -> 激活
        return self.relu(self.bn(self.conv(x)))

亮度调整 ：$I_{out} = \alpha I_{in} + \beta$
$\alpha$ 建议范围 [0.7, 1.3]，$\beta$∈[-30,30]
对比度调整 ：$I_{out} = \gamma(I_{in} – \mu) + \mu$
$\gamma$∈[0.5,1.5]，$\mu$ 为图像均值

混合精度训练 （需 RTX 显卡）：

from torch.cuda.amp import autocast, GradScaler

scaler = GradScaler()
with autocast():
    output = model(input)
    loss = criterion(output, target)
scaler.scale(loss).backward()
scaler.step(optimizer)
scaler.update()