卷积神经网络的基础 – 卷积运算

卷积运算 运算的规则就是把filter铺到原矩阵中,然后把filter与原矩阵中对应的数相乘再加和。

在这里插入图片描述

卷积神经网络的原理 – 边缘检测

在这里插入图片描述

卷积神经网络的原理 – 灰度图

灰度图,Gray Scale Image 或是Grey Scale Image,又称灰阶图。把白色与黑色之间按对数关系分为若干等级,称为灰度。灰度分为256阶

在这里插入图片描述

在这里插入图片描述
RGB转灰度图公式: Gray = R0.299 + G0.587 + B*0.114

卷积神经网络的原理 – 边缘检测的另一个例子

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

卷积神经网络的原理 – 不同的边缘检测过滤器

在这里插入图片描述

卷积核的表示

[卷积核的行数,卷积核列数,卷积核的通道数,卷积核的个数]

在这里插入图片描述

Padding & Stride (填充和步长)

卷积运算的缺点
每次做卷积的时候,图像都会缩小
角落的像素点只会被使用一次,而中间的像素点会用到很多次,这意味着你丢掉了很多图像边缘的信息

解决的方法
– 在做卷积运算前,对图像进行填充

Vaild 和 Same 卷积运算
“Valid”: 意味着不填充(no padding)
(n x n) * (f x f) = (n – f + 1) * (n – f + 1)

“Same” : 意味着输入的大小和输出的大小一样
(n x n) * (f x f) = (n + 2p – f + 1) * (n + 2p – f + 1)
p = (f -1) /2

Stride 步长
意味着一步一步走,还是几步几步走
公式:

((n + 2p – f)/s + 1) x (n + 2p – f)/s + 1)

注意:

如果商不为0, 那就向下取整

如果移动到了外面,那就跳过

卷积神经网络示例1

在这里插入图片描述
在这里插入图片描述

作者 admin

发表评论

您的电子邮箱地址不会被公开。