前言

本篇文章主要介绍了CNN网络中卷积层的计算过程，欲详细了解CNN的其它信息可以参考：技术向：一文读懂卷积神经网络。

卷积神经网络(CNN)是局部连接网络。相对于全连接网络其最大的特点就是：局部连接性和权值共享性。因为对一副图像中的某个像素p来说，一般离像素p越近的像素对其影响也就越大（局部连接性）；另外，根据自然图像的统计特性，某个区域的权值也可以用于另一个区域(权值共享性)。这里的权值共享说白了就是卷积核共享，对于一个卷积核将其与给定的图像做卷积就可以提取一种图像的特征，不同的卷积核可以提取不同的图像特征。概况的讲，卷积层的计算方法就是根据公式

conv=σ(imgMat∘W+b)(1)

其中”σ”表示激活函数;”imgMat”表示灰度图像矩阵; ”W”表示卷积核;”∘ ”表示卷积操作；”b ”表示偏置值。

二、举例说明

下面用一个具体例子来详细说明卷积层的计算过程。用到的图像为lena图像，如图1所示；卷积核为Sobel卷积核，如图2所示。

图1 Lena图像(512x512)

图2 Sobel卷积核(Gx表示水平方向，Gy表示垂直方向)

1、首先用Sobel—Gx卷积核来对图像做卷积，即公式(1)中的imgMat∘W

这里卷积核大小为3x3，图像大小为512x512如果不对图像做任何其它处理，直接进行卷积的话，卷积后的图像大小应该是:(512-3+1)x(512-3+1)。对卷积不懂的可以参考技术向：一文读懂卷积神经网络或其他读物。最终结果为：

图3 lena图像与Sobel—Gx卷积核的卷积结果

2、 将步骤1中所得结果(一个矩阵)的每个元素都加上b(偏置值)，并将所得结果(矩阵)中的每个元素都输入到激活函数，这里取sigmoid函数如下式所示

f(x)=11+e−x(2)

最终结果如图4所示：

图4 卷积层所得到的最终结果

3、同理，

利用Sobel—Gy卷积核我们最终可以得到如图5所示的结果。

图5 Sobel—Gy卷积核卷积层所得到的最终结果

三、完整代码及结果

<codeclass="hljs scilab has-numbering" style="display: block; padding: 0px;
color: inherit; box-sizing: border-box; font-family: 'Source Code Pro',
monospace;font-size:undefined; white-space: pre; border-radius: 0px;
word-wrap: normal; background: transparent;"><span
class="hljs-keyword" style="color: rgb(0, 0, 136); box-sizing:
border-box;">clear</span>
clc
imgRGB = imread(<span class="hljs-string" style="color: rgb(0, 136,
0); box-sizing: border-box;">'lena.jpg'</span>);
imgGray = double(rgb2gray(imgRGB));Gx = <span class="hljs-matrix" style="box-sizing:
border-box;">[-<span class="hljs-number" style="color: rgb(0, 102,102); box-sizing: border-box;">1</span> <span
class="hljs-number" style="color: rgb(0, 102, 102); box-sizing:
border-box;">0</span> <span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">1</span>;-<span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">2</span> <span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">0</span> <span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">2</span>;-<span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">1</span> <span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">0</span> <span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">1</span>]</span>;
convImg = conv2(imgGray,Gx,<span class="hljs-string" style="color:
rgb(0, 136, 0); box-sizing: border-box;">'valid'</span>);
whos convImg
figure
subplot(<span class="hljs-number" style="color: rgb(0, 102, 102);
box-sizing: border-box;">1</span>,<span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">2</span>,<span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">1</span>);
imshow(uint8(convImg));
title(<span class="hljs-string" style="color: rgb(0, 136, 0);
box-sizing: border-box;">'Sobel-Gx卷积结果'</span>)
b = <span class="hljs-number" style="color: rgb(0, 102, 102);
box-sizing: border-box;">0.2</span>;
sigmImg = <span class="hljs-number" style="color: rgb(0, 102, 102);
box-sizing: border-box;">1.</span>/(<span
class="hljs-number" style="color: rgb(0, 102, 102); box-sizing:
border-box;">1</span>+<span class="hljs-built_in"
style="color: rgb(102, 0, 102); box-sizing:
border-box;">exp</span>(-convImg)) + b;
subplot(<span class="hljs-number" style="color: rgb(0, 102, 102);
box-sizing: border-box;">1</span>,<span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">2</span>,<span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">2</span>);
imshow(sigmImg);
title(<span class="hljs-string" style="color: rgb(0, 136, 0);
box-sizing: border-box;">'Sobel-Gx-sigmoid函数激活结果'</span>)Gy = <span class="hljs-matrix" style="box-sizing:
border-box;">[-<span class="hljs-number" style="color: rgb(0, 102,102); box-sizing: border-box;">1</span> <span
class="hljs-number" style="color: rgb(0, 102, 102); box-sizing:
border-box;">0</span> <span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">1</span>;-<span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">2</span> <span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">0</span> <span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">2</span>;-<span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">1</span> <span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">0</span> <span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">1</span>]'</span>;
convImg = conv2(imgGray,Gy,<span class="hljs-string" style="color:
rgb(0, 136, 0); box-sizing: border-box;">'valid'</span>);
whos convImg
figure
subplot(<span class="hljs-number" style="color: rgb(0, 102, 102);
box-sizing: border-box;">1</span>,<span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">2</span>,<span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">1</span>);
imshow(uint8(convImg));
title(<span class="hljs-string" style="color: rgb(0, 136, 0);
box-sizing: border-box;">'Sobel-Gy卷积结果'</span>)
b = <span class="hljs-number" style="color: rgb(0, 102, 102);
box-sizing: border-box;">0.2</span>;
sigmImg = <span class="hljs-number" style="color: rgb(0, 102, 102);
box-sizing: border-box;">1.</span>/(<span
class="hljs-number" style="color: rgb(0, 102, 102); box-sizing:
border-box;">1</span>+<span class="hljs-built_in"
style="color: rgb(102, 0, 102); box-sizing:
border-box;">exp</span>(-convImg)) + b;
subplot(<span class="hljs-number" style="color: rgb(0, 102, 102);
box-sizing: border-box;">1</span>,<span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">2</span>,<span class="hljs-number"
style="color: rgb(0, 102, 102); box-sizing:
border-box;">2</span>);
imshow(sigmImg);
title(<span class="hljs-string" style="color: rgb(0, 136, 0);
box-sizing:
border-box;">'Sobel-Gy-sigmoid函数激活结果'</span>)</code><ulclass="pre-numbering" style="box-sizing: border-box; position:
absolute; width: 50px; top: 0px; left: 0px; margin: 0px; padding: 6px
0px 40px; border-right-width: 1px; border-right-style: solid;
border-right-color: rgb(221, 221, 221); list-style: none; text-align:
right; background-color: rgb(238, 238, 238);"><li
style="box-sizing: border-box; padding: 0px 5px;">1</li><li
style="box-sizing: border-box; padding: 0px 5px;">2</li><li
style="box-sizing: border-box; padding: 0px 5px;">3</li><li
style="box-sizing: border-box; padding: 0px 5px;">4</li><li
style="box-sizing: border-box; padding: 0px 5px;">5</li><li
style="box-sizing: border-box; padding: 0px 5px;">6</li><li
style="box-sizing: border-box; padding: 0px 5px;">7</li><li
style="box-sizing: border-box; padding: 0px 5px;">8</li><li
style="box-sizing: border-box; padding: 0px 5px;">9</li><li
style="box-sizing: border-box; padding: 0px 5px;">10</li><listyle="box-sizing: border-box; padding: 0px
5px;">11</li><li style="box-sizing: border-box; padding: 0px5px;">12</li><li style="box-sizing: border-box; padding:
0px 5px;">13</li><li style="box-sizing: border-box; padding:0px 5px;">14</li><li style="box-sizing: border-box;
padding: 0px 5px;">15</li><li style="box-sizing: border-box;padding: 0px 5px;">16</li><li style="box-sizing:
border-box; padding: 0px 5px;">17</li><li style="box-sizing:border-box; padding: 0px 5px;">18</li><li
style="box-sizing: border-box; padding: 0px 5px;">19</li><listyle="box-sizing: border-box; padding: 0px
5px;">20</li><li style="box-sizing: border-box; padding: 0px5px;">21</li><li style="box-sizing: border-box; padding:
0px 5px;">22</li><li style="box-sizing: border-box; padding:0px 5px;">23</li><li style="box-sizing: border-box;
padding: 0px 5px;">24</li><li style="box-sizing: border-box;padding: 0px 5px;">25</li><li style="box-sizing:
border-box; padding: 0px 5px;">26</li><li style="box-sizing:border-box; padding: 0px 5px;">27</li><li
style="box-sizing: border-box; padding: 0px 5px;">28</li><listyle="box-sizing: border-box; padding: 0px
5px;">29</li><li style="box-sizing: border-box; padding: 0px5px;">30</li></ul><ul class="pre-numbering"
style="box-sizing: border-box; position: absolute; width: 50px; top:
0px; left: 0px; margin: 0px; padding: 6px 0px 40px; border-right-width:
1px; border-right-style: solid; border-right-color: rgb(221, 221, 221);
list-style: none; text-align: right; background-color: rgb(238, 238,
238);"><li style="box-sizing: border-box; padding: 0px
5px;">1</li><li style="box-sizing: border-box; padding: 0px
5px;">2</li><li style="box-sizing: border-box; padding: 0px
5px;">3</li><li style="box-sizing: border-box; padding: 0px
5px;">4</li><li style="box-sizing: border-box; padding: 0px
5px;">5</li><li style="box-sizing: border-box; padding: 0px
5px;">6</li><li style="box-sizing: border-box; padding: 0px
5px;">7</li><li style="box-sizing: border-box; padding: 0px
5px;">8</li><li style="box-sizing: border-box; padding: 0px
5px;">9</li><li style="box-sizing: border-box; padding: 0px
5px;">10</li><li style="box-sizing: border-box; padding: 0px5px;">11</li><li style="box-sizing: border-box; padding:
0px 5px;">12</li><li style="box-sizing: border-box; padding:0px 5px;">13</li><li style="box-sizing: border-box;
padding: 0px 5px;">14</li><li style="box-sizing: border-box;padding: 0px 5px;">15</li><li style="box-sizing:
border-box; padding: 0px 5px;">16</li><li style="box-sizing:border-box; padding: 0px 5px;">17</li><li
style="box-sizing: border-box; padding: 0px 5px;">18</li><listyle="box-sizing: border-box; padding: 0px
5px;">19</li><li style="box-sizing: border-box; padding: 0px5px;">20</li><li style="box-sizing: border-box; padding:
0px 5px;">21</li><li style="box-sizing: border-box; padding:0px 5px;">22</li><li style="box-sizing: border-box;
padding: 0px 5px;">23</li><li style="box-sizing: border-box;padding: 0px 5px;">24</li><li style="box-sizing:
border-box; padding: 0px 5px;">25</li><li style="box-sizing:border-box; padding: 0px 5px;">26</li><li
style="box-sizing: border-box; padding: 0px 5px;">27</li><listyle="box-sizing: border-box; padding: 0px
5px;">28</li><li style="box-sizing: border-box; padding: 0px5px;">29</li><li style="box-sizing: border-box; padding:
0px 5px;">30</li></ul>

结果

1、Sobel—Gx卷积核结果

2、Sobel—Gy卷积核结果

四、小结。

以上计算过程，我们只用了两个卷积核。可以看出两个卷积核提取出了不同的图像特征。实际中，我们一般会使用十几个或者几十个卷积核来提取图像特征，进而来进行下一步的运算。

利用卷积神经网络（CNN）提取图片特征相关推荐

  1. Deep Learning × ECG (4) ：利用卷积神经网络CNN对心律失常ECG数据进行分类

    本文主要就是介绍搭建模型和模型训练了!! 文章目录 1. AAMI 标准 2. 模型搭建和训练 3. 模型搭建环境 1. AAMI 标准 根据 AAMI (简称:美国心脏病协会) 提供的标准:将心拍分 ...

  2. [人工智能-深度学习-30]：卷积神经网络CNN - 感受野，特征的提取与范围的扩散

    作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客 本文网址:https://blog.csdn.net/HiWangWenBing/article/detai ...

  3. 基于卷积神经网络CNN的图片分类实现——附代码

    目录 摘要: 1.卷积神经网络介绍: 2.卷积神经网络(CNN)构建与训练: 2.1 CNN的输入图像 2.2 构建CNN网络 2.3 训练CNN网络 3.卷积神经网络(CNN)的实际分类测试: 4. ...

  4. Keras ： 利用卷积神经网络CNN对图像进行分类，以mnist数据集为例建立模型并预测

    我是本期目录酱! 引入 计算机视觉 图像特征 如何区分图像的类别 卷积神经网络 卷积Convolution 卷积层 池化Pooling 卷积神经网络 以mnist数据集为例建立模型并预测 简单分析 p ...

  5. 深度学习-CNN提取图像特征

    一.卷积层 1.卷积操作 2.特征提取-"X" or "O"? 二.池化(Pooling) 三.Relu 层 四.全连接层(Fully connected la ...

  6. 【综述】一文读懂卷积神经网络(CNN)

    卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深度学习 ...

  7. DL之CNN：利用卷积神经网络算法(2→2,基于Keras的API-Functional)利用MNIST(手写数字图片识别)数据集实现多分类预测

    DL之CNN:利用卷积神经网络算法(2→2,基于Keras的API-Functional)利用MNIST(手写数字图片识别)数据集实现多分类预测 目录 输出结果 设计思路 核心代码 输出结果 下边两张 ...

  8. DL之CNN：利用卷积神经网络算法(2→2,基于Keras的API-Sequential)利用MNIST(手写数字图片识别)数据集实现多分类预测

    DL之CNN:利用卷积神经网络算法(2→2,基于Keras的API-Sequential)利用MNIST(手写数字图片识别)数据集实现多分类预测 目录 输出结果 设计思路 核心代码 输出结果 1.10 ...

  9. 图片识别 python 神经网络,神经网络提取图片特征

    Python如何图像识别? Python图片文本识别使用的工具是PIL和pytesser. 因为他们使用到很多的python库文件,为了避免一个个工具的安装,建议使用pythonxypytesser是 ...

  10. 利用卷积神经网络（CNN）构造社区问答系统

    /*版权声明:可以任意转载,转载时请标明文章原始出处和作者信息.*/                                                     author: 张俊林 问 ...

最新文章

  1. libpcap原理阐述
  2. 【Android 安全】DEX 加密 ( ProGuard 混淆 | -keepclassmembers 混淆效果 | -keepclasseswithmembernames 混淆效果 )
  3. 华为交换机常用命令介绍
  4. 024_jdbc-mysql的Dao模式
  5. android hud sdk,Android HUD SDK | 百度地图API SDK
  6. mysql的源码目录_Mysql DBA系统学习(2)了解mysql的源码目录及源文件
  7. call stack是什么错误_Go语言(golang)的错误(error)处理的推荐方案
  8. STM32 常见的问题解决
  9. 团队协调办公工具比较
  10. [转]Java NIO通俗易懂简明教程
  11. 《mysql必知必会》学习_第八章_20180730_欢
  12. Advanced Object Creation(JS，翻译MSDN文章)
  13. 前端vue导出excel
  14. 如何把图片整合到war3的mpq文件中作为登录背景界面
  15. 安徽自招大专计算机,2021年安徽自主招生学校名单有哪些,安徽自主招生大专院校名单【详细版】...
  16. 怎样用阿里云搭建个人博客
  17. [日推荐]『51好书推荐』专治假期综合症~
  18. advisor 2002在matlab2014a上的安装
  19. go 链路追踪_Golang在七牛全链路追踪中的实践
  20. 设想一下未来二十年后的计算机,①沙尘暴预报是一项复杂的系统工程，它既需要遍布各地的气象检测...阅读答案...

热门文章

  1. 手动搭建vue+node单页面（一）
  2. consul服务注册与服务发现的巨坑
  3. Ubuntu 16.04将ISO镜像写入U盘
  4. ArcGIS 后台服务器抛出异常
  5. 《Java技术》第四次作业
  6. Python安装注意事项
  7. 利用ESXI-Customizer制作定制化的ESXI
  8. 安装ffmpeg及nginx模块
  9. 让人死去活来的cocos2d-x安卓开发环境搭建(windows+eclipse+ndk 不用cygwin)【上图】
  10. (转)走出MFC子类化的迷宫:子类化，SUBCLASSWINDOW ,MFC消息机制 ---(摘自CSDN论坛)