卷积神经网络理解及1*1卷积核的作用

一. 单通道图像的卷积计算过程

1. 下面各图中所有数学符号的说明如下：
- n:图片的宽度和高度
- n_c:表示图片的通道数
- f: 过滤器的尺寸大小
- m: 过滤器的数量
- Q: 卷积运算后的输出图像的尺寸大小
- p：所要填充的像素值，padding=0称为Valid Convolution;为了得到与原始输入图像相同尺寸的输出图像而加入的padding，称为Same Convolution
- s:卷积步长stride
- []:表示卷积运算后的结果是向下取整运算，如93.6经过[93.6]运算后是93
- Q的计算公式如下:
1. 基本计算原理
2.动态过程
1. 多通道图像的卷积计算过程
- 3.1 单个卷积核/过滤器(filters)的3D卷积运算
- 3.2 多个卷积核/过滤器(filters)的3D卷积运算
1. 上述卷积过程关系总结
- 输入图片的通道数目n_c等于卷积核/过滤器的通道数
- 卷积后得到图片的通道数n_c等于卷积过程中使用的卷积核/过滤器个数
- 卷积后的输出图片尺寸大小根据上面的公式计算出Q

二、1*1卷积核的作用

1. 单通道图片上使用1*1的卷积核
- 只会在原来的输入图片的像素上乘以一个系数，没有什么直接的效果
1. 多通道图片上使用1*1的卷积核
输入是6*6*32的图片，经过1*1*32的卷积核进行卷积运算后，得到的输出图片是6*6*卷积过程中使用的卷积核个数。这样就将输入图片的通道数32改变了，相当于给输入图片进行降维或升维操作。注：输出图片的尺寸，还是根据最开始的公式计算，即Q值的大小。

三、参考博客

卷积神经网络基本计算原理
1*1卷积层的理解

卷积神经网络理解及1*1卷积核的作用相关推荐

CNN笔记：通俗理解卷积神经网络--理解不同输入通道和卷积核通道关系（红色部分）
1 前言 2012年我在北京组织过8期machine learning读书会,那时"机器学习"非常火,很多人都对其抱有巨大的热情.当我2013年再次来到北京时,有一个词似乎比&qu ...
GCN—图卷积神经网络理解
文章目录一.CNN卷积二.GCN 图卷积神经网络 2.1 GCN优点 2.3 提取拓扑图空间特征的两种方式三.拉普拉斯矩阵 3.1 拉普拉斯矩阵的谱分解(特征分解) 3.2 傅里叶变换.卷积类比 ...
卷积神经网络（2D卷积神经网络和3D卷积神经网络理解）
前言卷积神经⽹络(convolutional neural network,CNN)是⼀类强⼤的神经⽹络,正是为处理图像数据而设计的.基于卷积神经⽹络结构的模型在计算机视觉领域中已经占主导地位,当 ...
卷积神经网络理解（一）：滤波器的意义
欢迎大家关注我们的网站和系列教程:http://www.tensorflownews.com/ ,学习更多的机器学习.深度学习的知识! 荔枝boy 卷积神经网络的发展卷积神经网络的重要性卷积神经网 ...
最细！卷积神经网络的历史和各层的作用
目录一历史发展二卷积层 2.1 卷积层的作用 2.1.1提取图像的特征 2.1.2 局部感知,参数共享 2.1.3 二维卷积运算 2.1.4 特征图和感受野 2.1.5 卷积中的填充和步幅 ...
深入浅出卷积神经网络及实现！
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货作者:陈桦.夏雨柔.樊亮,Datawhale优秀学习者卷积神经网络CN ...
干货丨卷积神经网络工作原理的直观解释
正文之前先插播一条广告: 依依的姐妹们自己创建了一个公众号,她们是一群痛并快乐着的懒妈,每天一起分享孕娃.生娃.养娃过程中的酸甜苦辣咸的文章,公众号刚刚创建,大家帮忙关注一下,捧一捧人场!依依在此谢谢 ...
【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 ...
【深度学习】深入浅出卷积神经网络及实现！
作者:陈桦.夏雨柔.樊亮,Datawhale优秀学习者卷积神经网络CNN是深度学习中的基础知识.本文对CNN的基础原理及常见的CNN网络进行了详细解读,并介绍了Pytorch构建深度网络的流程.最后 ...

卷积神经网络理解及1*1卷积核的作用

一. 单通道图像的卷积计算过程

二、1*1卷积核的作用

三、参考博客

卷积神经网络理解及1*1卷积核的作用相关推荐

最新文章

热门文章