计算机视觉(分类/检测/分割)的基本操作

在计算机视觉的深度学习中，我们最常用的就是CNN网络，翻译过来就是卷积神经网络，所以卷积操作就是最基本的操作。那我们就开始看看这个神奇的卷积操作是怎样的(我开始学习的时候根本就不清楚为什么要卷积，没有一个直观的概念)。

图片的格式

(1)在构建好深度学习网络后，我们要将数据读取进去进行训练(本人认为数据预处理阶段相较于网络的构建更加花费时间，后续有时间再说)，
(2)平时的图片格式有jpg/png/gif…很多的类型。就我而言，一般收集的图片最多是jpg和png的形式。我们知道三原色(rgb)，
(3)那我们将图片导入网络进行训练的时候通常是(w，h，channle)，这里的channle就是通道数，rgb形式的彩色图片的通道就是3，若是灰度图，通道数就是1啦。

卷积和池化

不多废话，上公式了！！！
卷积和池化
1.输入图像尺寸： W* W * 3
2.Filter/卷积核/kernel： F×F
3.步长/stride：S
4.padding：P
5.Filter/卷积核/kernel数量：M

输出图像尺寸： N×N×M
则N = (W − F + 2P )/S+1

注意呢：向上取整(不是4舍5入)
为什么要进行卷积和池化？

1.卷积的作用：用输出图像中更亮的像素表示原始图像中存在的边缘信息，将边缘检测图像用于训练。

2.池化的由来：卷积输出中包含的大部分信息是冗余的，可以通过池化操作减小输入的大小以及输出中相似值的数量。

不直观，上图片吧
现在应该有比较直观的感受了吧。卷积提取特征，池化消除冗余信息，计算公式中卷积和池化其实是一样的，只是提取特征和处理时的计算方式不同。

基础概念：图片的卷积和池化操作相关推荐

TensorFlow实现卷积、池化操作
1.调用tf.nn.conv2d()实现卷积首先是调用卷积函数实现卷积操作: 这里说明一下conv2d的定义及参数含义: 参考 [定义:] tf.nn.conv2d (input, filter, ...
【数据挖掘】卷积神经网络 ( 池化 | 丢弃 | 批量规范化 | 卷积神经网络完整流程示例 | 卷积 | 池化 | 全连接 | 输出 | 卷积神经网络总结 )
文章目录 I . 池化 II . 丢弃操作 III . 批量规范化 IV . 卷积神经网络完整流程示例 ( 1 ) : 原始输入图 V . 卷积神经网络完整流程示例 ( 2 ) : 卷积层 C1C ...
PyTorch框架学习十——基础网络层（卷积、转置卷积、池化、反池化、线性、激活函数）
PyTorch框架学习十--基础网络层(卷积.转置卷积.池化.反池化.线性.激活函数) 一.卷积层二.转置卷积层三.池化层 1.最大池化nn.MaxPool2d 2.平均池化nn.AvgPool2 ...
使用CNN实现图像分类——理解卷积神经网络（卷积、池化、全连接）
1. 卷积神经网络(CNN)简介 19世纪60年代,科学家通过对猫的视觉皮层细胞研究发现,每一个视觉神经元只会处理一小块区域的视觉图像,即感受野(Receptive Field).卷积神经网络的概念即 ...
【Pytorch神经网络理论篇】 13 深层卷积神经网络介绍+池化操作+深层卷积神经网络实战
1 深层卷积神经网络概述 1.1 深层卷积神经网络模型结构图 1.1.1 深层卷积神经网络的正向结构构成剖析输入层,将每个像素作为一个特征节点输入网络. 卷积层:由多个滤波器组合而成. 池化层:将卷 ...
cs231n-(7)卷积神经网络：架构，卷积层/池化层
架构总览常用的层卷积层概述池化层归一化层全连接层全连接层转为卷积层卷积网络架构层模式层大小设计模式实例计算资源考虑额外资源卷积神经网络和普通神经网络非常类似.卷积神经网络由 ...
[CNN] 卷积、反卷积、池化、反池化
之前一直太忙,没时间整理,这两天抽出点时间整理一下卷积.反卷积.池化.反池化的内容,也希望自己对一些比较模糊的地方可以理解的更加清晰. 一.卷积 1.卷积的简单定义卷积神经网络中的卷积操作可以看做是 ...
深度学习--说一说卷积和池化
卷积是神经网络的基础,算是大厦的地基,卷积实际上来说就是两个数列之间的相互处理.池化的作用我感觉主要就是减小图像或者说矩阵的大小,并且不同的池化方法选取不同的信息作为保存信息. 转载:http://w ...
卷积和池化matlab 实现,UFLDL新版教程与编程练习（七）：Convolution and Pooling（卷积和池化）...
UFLDL是吴恩达团队编写的较早的一门深度学习入门,里面理论加上练习的节奏非常好,每次都想快点看完理论去动手编写练习,因为他帮你打好了整个代码框架,也有详细的注释,所以我们只要实现一点核心的代码编写工 ...
pytorch深度学习入门与实战——今天我们来对一张图像进行卷积、池化，以及激活层的使用展示
import numpy as np import torch import torch.nn as nn import matplotlib.pyplot as plt from PIL impor ...

基础概念：图片的卷积和池化操作

图片的卷积和池化操作

计算机视觉(分类/检测/分割)的基本操作

图片的格式

卷积和池化

基础概念：图片的卷积和池化操作相关推荐

最新文章

热门文章