卷积神经网络膨胀卷积

2024-06-01 09:40:15

卷积神经网络中的卷积核

卷积核就是图像处理时，给定输入图像，输入图像中一个小区域中像素加权平均后成为输出图像中的每个对应像素，其中权值由一个函数定义，这个函数称为卷积核，又称滤波器。

卷积核的大小一般有1x1,3x3和5x5的尺寸（一般是奇数x奇数）。同样提取某个特征，经过不同卷积核卷积后效果也不一样。可以发现同样是锐化，5x5的卷积核要比3x3的卷积核效果细腻不少。

CNN的卷积核通道数=卷积输入层的通道数

CNN的卷积输出层通道数(深度)=卷积核的个数

在卷积层的计算中，假设输入是H x W x C，C是输入的深度(即通道数)，那么卷积核(滤波器)的通道数需要和输入的通道数相同，所以也为C。假设卷积核的大小为K x K，一个卷积核就为K x K x C，计算时卷积核的对应通道应用于输入的对应通道，这样一个卷积核应用于输入就得到输出的一个通道。假设有P个K x K x C的卷积核，这样每个卷积核应用于输入都会得到一个通道，所以输出有P个通道。

膨胀卷积

https://blog.csdn.net/moshiyaofei/article/details/87474966中对膨胀卷积解释如下

1.膨胀卷积是对卷积核进行0填充。

2.膨胀后的卷积核的大小：

（1）设原始卷积核的大小是3*3

（2）设膨胀率为2

（3）则膨胀后的卷积核的大小为：dilation_rate*（kernel_size - 1）+1

结果就是 2*（3-1）+1=5，膨胀后的卷积核大小是5*5

3.默认的dilation_rate=1.

卷积神经网络膨胀卷积相关推荐

因果卷积，膨胀卷积，混合膨胀卷积
因果卷积: 常常用于CNN网络来处理序列问题,针对序列问题x1,...xt,和y1,...,yt-1来预测yt. 时间t的状态预测依赖于前t-1个状态,具有因果关系. 如果考虑很久之前的变量x,就会导 ...
卷积神经网络之卷积计算、作用与思想深度学习
博客:blog.shinelee.me | 博客园 | CSDN 卷积运算与相关运算在计算机视觉领域,卷积核.滤波器通常为较小尺寸的矩阵,比如3×33×3.从这个角度看,多层卷积是在进行逐层映射,整 ...
【数据挖掘】卷积神经网络 ( 视觉原理 | CNN 模仿视觉 | 卷积神经网络简介 | 卷积神经网络组成 | 整体工作流程 | 卷积计算图示 | 卷积计算简介 | 卷积计算示例 | 卷积计算参数 )
文章目录 I . 人类的视觉原理 II . 卷积神经网络模仿视觉原理 III . 卷积神经网络简介 IV . 卷积神经网络组成 V . 卷积神经网络工作流程 VI . 降低样本参数数量级 VI ...
04.卷积神经网络 W1.卷积神经网络（作业：手动/TensorFlow 实现卷积神经网络）
文章目录作业1:实现卷积神经网络 1. 导入一些包 2. 模型框架 3. 卷积神经网络 3.1 Zero-Padding 3.2 单步卷积 3.3 卷积神经网络 - 前向传播 4. 池化层 5. 卷 ...
深入学习卷积神经网络中卷积层和池化层的意义（转）
为什么要使用卷积呢? 在传统的神经网络中,比如多层感知机(MLP),其输入通常是一个特征向量:需要人工设计特征,然后将这些特征计算的值组成特征向量,在过去几十年的经验来看,人工找到的特征并不是怎么好用 ...
转置卷积和膨胀卷积详细讲解
目录转置卷积(Transposed Convolution) 作用转置卷积的输出转置卷积过程转置卷积运算过程 pytorch中转置卷积对应参数膨胀卷积(空洞卷积,Atrous convolu ...
【卷积神经网络】卷积神经网络（Convolutional Neural Networks, CNN）基础
卷积神经网络(Convolutional Neural Networks, CNN),是一种针对图像的特殊的神经网络. 卷积神经网络概述 Why not DNN? 图像数据的维数很高,比如 1, ...
卷积神经网络的一般步骤,卷积神经网络采用卷积
1.卷积神经网络cnn究竟是怎样一步一步工作的用一个卷积核滑动图片来提取某种特征(比如某个方向的边),然后激活函数用ReLU来压制梯度弥散.对得到的结果用另一个卷积核继续提取+reLU,然后池化(保 ...
卷积神经网络图像识别,卷积神经网络图像处理
街道垃圾识别系统的原理是什么? 不久前上海关于垃圾分类的出台政策大家应该还记得,做好垃圾分类成为了许多人的难题.其实,随着人工智能技术的突飞猛进,自动分类垃圾桶已经出现了. 目前有许多关于人工智能自动 ...

最新文章

热门文章