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。
卷积神经网络的原理 – 边缘检测
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
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
卷积神经网络的原理 – 不同的边缘检测过滤器
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]
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