什麼是卷積?

2021-10-01 01:59:39 字數 583 閱讀 1409

解析:

對影象(不同的資料視窗資料)和濾波矩陣(一組固定的權重:因為每個神經元的多個權重固定,所以又可以看做乙個恆定的濾波器filter)做內積(逐個元素相乘再求和)的操作就是所謂的『卷積』操作,也是卷積神經網路的名字**。

非嚴格意義上來講,下圖中紅框框起來的部分便可以理解為乙個濾波器,即帶著一組固定權重的神經元。多個濾波器疊加便成了卷積層。

ok,舉個具體的例子。比如下圖中,圖中左邊部分是原始輸入資料,圖中中間部分是濾波器filter,圖中右邊是輸出的新的二維資料。

分解下上圖

對應位置上是數字先相乘後相加=

![在這裡插入描述](

中間濾波器filter與資料視窗做內積,其具體計算過程則是:40 + 00 + 00 + 00 + 01 + 01 + 00 + 01 + -4*2 = -8

什麼是卷積?

解析 對影象 不同的資料視窗資料 和濾波矩陣 一組固定的權重 因為每個神經元的多個權重固定,所以又可以看做乙個恆定的濾波器filter 做內積 逐個元素相乘再求和 的操作就是所謂的 卷積 操作,也是卷積神經網路的名字 非嚴格意義上來講,下圖中紅框框起來的部分便可以理解為乙個濾波器,即帶著一組固定權重...

什麼是卷積

在影象處理和神經網路中經常出現的乙個詞,卷積核 那到底什麼是卷積呢?卷積為什麼可以提取特徵或者檢測邊緣呢?我們一步一步慢慢看。首先,如圖,卷積對於離散的點來說就是兩個矩陣對應位置相乘再相加的和 也就是說卷積只是數學中的乙個叫法,並不是什麼高深語言 那為什卷積能夠提取特徵呢?先看模板的理解 乙個數學上...

什麼是卷積核?

卷積核的空間是對稱的。如果存在乙個卷積核a,那麼一定存在另外乙個卷積核b,使得b的轉置就是a.大部分卷積核是奇數的,為啥?奇數相對於偶數,有中心點,對邊沿 對線條更加敏感,可以更有效的提取邊沿資訊。偶數也可以使用,但是效率比奇數低。在數以萬計或億計的計算過程中,每個卷積核差一點,累計的效率就會差很多...