卷积层 convolutional networks

2024-06-04 05:46:26

卷积层 convolutional networks

卷积层的滤波器（filter）（或称：卷积核（kernel）），假设其尺寸是 5×5×35 \times 5 \times 35×5×3（宽高都是5像素，深度是3）。在前向传播的时候，滤波器在输入数据的宽度和高度上滑动（更精确地说是卷积），然后计算整个滤波器和输入数据任一处的内积。

当滤波器沿着输入数据的宽度和高度滑过后，会生成一个2维的激活图（activation map），激活图给出了在每个空间位置处滤波器的反应。直观地来说，网络会让滤波器学习到当它看到某些类型的视觉特征时就激活，具体的视觉特征可能是某些方位上的边界，或者某些颜色的斑点，甚至可以是网络更高层上的蜂巢状或者车轮状图案。

卷积核

卷积核的4个超参数：

滤波器的数量 KKK
滤波器的空间尺寸 FFF
步长 SSS
零填充数量 PPP

输入数据体的尺寸为 : W1×H1×D1W_1 \times H_1 \times D_1W1×H1×D1
输出数据体的尺寸为：W2×H2×D2W_2 \times H_2 \times D_2W2×H2×D2

其中：
D2=KD_2 = KD2=K
W2=(W1−F+2P)/S+1W_2 = (W_1-F+2P)/S+1W2=(W1−F+2P)/S+1
H2=(H1−F+2P)/S+1H_2 = (H_1-F+2P)/S+1H2=(H1−F+2P)/S+1

卷积过程

卷积效果

卷积的作用主要是：通过卷积运算，可以使原信号特征增强，并且降低噪音，提取图像的特征。

图像在不同卷积核上进行卷积之后的效果图如下：

卷积层 convolutional networks相关推荐

[CS231n Assignment 2 #04 ] 卷积神经网络(Convolutional Networks )
文章目录作业介绍 1. 卷积操作 1. 1 Convolution: Naive forward pass 1.2 Aside: Image processing via convolutions ...
CNN（卷积层convolutional layer，激励层activating layer，池化层pooling，全连接层fully connected）
CNN产生的原因:当使用全连接的神经网络时,因为相邻两层之间的神经元都是有边相连的,当输入层的特征纬度非常高时(譬如图片),全连接网络需要被训练的参数就会非常多(参数太多,训练缓慢),CNN可以通过训 ...
Keras.layers各种层介绍，网络层、卷积层、池化层等
[转载]Keras.layers各种层介绍 - 心冰之海 - bk园 https://www.cnblogs.com/lhxsoft/p/13534667.html 文章导航一.网络层 1.常用网络 ...
[pytorch、学习] - 5.1 二维卷积层
参考 5.1 二维卷积层卷积神经网络(convolutional neural network)是含有卷积层(convolutional layer)的神经网络.本章介绍的卷积神经网络均使用最常见的 ...
卷积层和全连接层的区别_卷积神经网络中全连接层作用理解总结
前言一般来说,卷积神经网络会有三种类型的隐藏层--卷积层.池化层.全连接层.卷积层和池化层比较好理解,主要很多教程也会解释. • 卷积层(Convolutional layer)主要是用一个采样器 ...
CNN模型中卷积层 RELU层池化层作用及顺序
卷积层 Convolutional layer 卷积运算的目的是提取输入的不同特征类似于CV中的滤波,通过滑动窗口来得到特征图像非线性激活层 Relu f(x)=max(0,x) 非线性激活层 ...
可变形卷积网络--Deformable Convolutional Networks
https://arxiv.org/abs/1703.06211 Microsoft Research Asia Code coming soon 本文可以看做是对 Spatial Transform ...
FCN全连接卷积网络（3）--Fully Convolutional Networks for Semantic Segmentation阅读（摘要部分）
1.摘要 1.1逐句理解一下: Convolutional networks are powerful visual models that yield hierarchies of features ...
全卷积（FCN）论文阅读笔记：Fully Convolutional Networks for Semantic Segmentation
论文阅读笔记:Fully Convolutional Networks forSemantic Segmentation 这是CVPR 2015拿到best paper候选的论文. 论文下载地址:Fu ...

最新文章

热门文章