2017-3-6 写过cnn本质是卷积和pooling，而不是因为深。一直想着办法验证这个理论。到目前为止，昨天终于有了惊喜的结果。
深度学习之cnn于图像识别，从不同的分辨率进行卷积和pooling，自然形成了很深度的深度了。卷积是形成不同的图像块的聚类核心，pooling是在一定范围内，寻找其中响应最大的模式，也就是对抗了图像偏移问题。
cnn的卷积实际是聚类到不同的聚类核心。所以这里采用的不再是真正的卷积，而是采用聚类核心。以下文中出现的卷积都是指聚类核心，类似kmean的聚类核心。
目前思路是采用类似kmeans 聚类，形成多个聚类核心。目前只是对图形进行2x2的块pooling一次进行验证。比如32x32图形，采样为31x31,步长为1，这样形成2x2的聚类输出，max pooling 之后输出一个31x31图像。在mnist上验证，同样的输出特征，输入到svm进行分类，对比未卷积pooling之前，获得零点几到1个百分比提升。而对卷积pooling之后的特征使用automean (一种改进的聚类核分类器，类似knn和kmean的结合体)分类，得到的分类精度与svm一样。在不使用卷积和pooling的原始mnist数据集上， knn automeans 分类精度都会低于svm1个百分点。 这也证明卷积pooling之后使得数据的更容易被分类。
automean 可以理解为 kmean， 其预测数值av 是 数据与聚类核心的距离的倒数。kmean需要事先设定聚类核心的个数，这个不便于实际使用；同时kmean不会把同类数据尽量聚集到相同的核心。automean就是简单对这两个问题的修正。能把同类数据尽量聚类到同一个核心，同时聚类核心个数动态分配。 automean使用带标签的有监督训练。
训练阶段：输入图像32x32 ，使用 31x31采样，步长为1， 形成 2x2个31x31的数据块（标记为输入map：inmap）。首先对每个卷积块预测，对应形成 2x2的map 预测输出每一个位置都是一个31x31的数据，和一样输出响应值 AV。31x31的数据是automeans输出，为最近距离的聚类核心的数值；av数值是automean的输出。对outmap进行max pooling，找到最大响应的位置， 并使用对应位置的inmap的卷积块数据更新训练 automean。
预测编码阶段： 与训练阶段类似，但是对automean更新训练。输入图像32x32 ，使用 31x31采样，步长为1， 形成 2x2个31x31的卷积块（标记为输入map：inmap）。首先对每个卷积块预测，对应形成 2x2的map 预测输出每一个位置都是一个31x31的数据，和一样输出响应值 AV，该av数值是automean的输出。对outmap进行max pooling，找到最大响应的位置。 将该位置的输出的31x31数值作为本卷积pooling层的输出特征即可。
进一步打算构建多层次逐步卷积pooling，以便验证能达到更好的效果，或者和通常cnn一样的效果。如果2层以上能配合工作，能达到更好的效果，那就perfect。
这么的方式不是为了和深度学习制造不同，而是为了理解其本质，构造更简单更好用分类器。
1、可以使用自顶向下的金字塔方式训练分类器，而不是所有图片从最小的块开始训练。学习时间会非常快速。
2、金字塔方式，多分辨率，可以形成无数目标的局部特征，通过局部特征进行目标推测， 这使得图像识别过程，不再是整个图像不同分辨率进行滑动窗口暴力识别。
3、可以做到动态增量的分类器。
4、训练不再是神经网络的方式，而是简单聚类， 不需要神经网络的反复反馈更新过程。不会有过拟合，神经单元数量选择等问题。
此思路为原创，2017-5-16.