转自  http://www.mamicode.com/info-detail-2340306.html

卷积可能是现在深入学习中最重要的概念。卷积网络和卷积网络将深度学习推向了几乎所有机器学习任务的最前沿。但是,卷积如此强大呢?它是如何工作的?在这篇博客文章中,我将解释卷积并将其与其他概念联系起来,以帮助您彻底理解卷积。

什么是卷积?

将卷积想象为信息的混合。想象一下,有两个桶装满了信息,这些信息被倒入一个桶中,然后按照特定的规则混合。每桶信息都有自己的配方,用于描述一个桶中的信息如何与另一个桶混合。因此,卷积是一个有序的过程,两个信息来源交织在一起。

我们如何对图像应用卷积?

当我们对图像应用卷积时,我们将其应用于两个维度 - 即图像的宽度和高度。我们混合两个信息桶:第一个桶是输入图像,它总共有三个像素矩阵 - 每个矩阵用于红色,蓝色和绿色通道; 一个像素由每个颜色通道中0到255之间的整数值组成。第二个桶是卷积核,一个浮点数的单个矩阵,其中模式和数字的大小可以被认为是如何在卷积操作中将输入图像与内核交织在一起的配方。内核的输出是经过改变的图像,在深度学习中经常被称为特征图。每个颜色通道都会有一个功能图。

图像与边缘检测器卷积核的卷积

我们现在通过卷积执行这两个信息的实际交织。应用卷积的一种方法是从内核大小的输入图像中获取图像补丁 - 这里我们有一个100×100图像和一个3×3内核,所以我们需要3×3补丁 - 然后执行与图像补丁和卷积核的元素明智的乘法。这个乘法的和然后导致   特征映射的一个像素。在计算了特征映射的一个像素之后,图像块提取器的中心将一个像素滑动到另一个方向,并且重复该计算。当以这种方式计算了特征映射的所有像素时,计算结束。以下gif中的一个图像补丁说明了此过程。

对结果特征映射的一个像素进行卷积运算:原始图像(RAM)的一个图像块(红色)与内核相乘,并且其总和被写入特征映射像素(缓冲区RAM)。

卷积在深度学习中的作用相关推荐

  1. 卷积在深度学习中的作用(转自http://timdettmers.com/2015/03/26/convolution-deep-learning/)...

    卷积可能是现在深入学习中最重要的概念.卷积网络和卷积网络将深度学习推向了几乎所有机器学习任务的最前沿.但是,卷积如此强大呢?它是如何工作的?在这篇博客文章中,我将解释卷积并将其与其他概念联系起来,以帮 ...

  2. 形象理解深度学习中八大类型卷积

    https://www.toutiao.com/a6657010098780504589/ 2019-02-12 15:26:40 本文总结了深度学习中常用的八大类型的卷积,以非常形象的方式帮助你建立 ...

  3. 干货|一文全解深度学习中的卷积

    来源:1024深度学习 概要:卷积现在可能是深度学习中最重要的概念.正是靠着卷积和卷积神经网络,深度学习才超越了几乎其他所有的机器学习手段. 译自Tim Dettmers的Understanding ...

  4. 卷积为什么如此强大?一文全解深度学习中的卷积

    卷积为什么如此强大?一文全解深度学习中的卷积 2018年05月10日 15:52:41 七月在线实验室 阅读数:17112 作者:Tim Dettmers(Understanding Convolut ...

  5. 卷积为什么如此强大?理解深度学习中的卷积

    译自Tim Dettmers的Understanding Convolution in Deep Learning有太多的公开课.教程在反复传颂卷积神经网络的好,却都没有讲什么是"卷积&qu ...

  6. 深度 | 理解深度学习中的卷积

    译者按:本文译自 Tim Dettmers 的 Understanding Convolution in Deep Learning.有太多的公开课.教程在反复传颂卷积神经网络的好,却都没有讲什么是「 ...

  7. 全民 Transformer (一): Attention 在深度学习中是如何发挥作用的

    <Attention 在深度学习中是如何发挥作用的:理解序列模型中的 Attention>    Transformer 的出现让 Deep Learning 出现了大一统的局面.Tran ...

  8. 理解深度学习中的卷积

    译者按:本文译自 Tim Dettmers 的 Understanding Convolution in Deep Learning.有太多的公开课.教程在反复传颂卷积神经网络的好,却都没有讲什么是「 ...

  9. 如何理解深度学习中的卷积?

    原文地址: http://www.yangqiu.cn/aicapital/2382000.html 译自Tim Dettmers的Understanding Convolution in Deep ...

最新文章

  1. 编程将 .Net Assembly 里的类注册成 COM 类
  2. TypeError: the JSON object must be str, bytes or bytearray, not NoneType
  3. C++回调机制的几种实现方式
  4. docker lnmp php
  5. 关于字符串和字节编码的问题(转)
  6. .net trim 替换指定字符_CAD二次开发实例:批量文本查找替换
  7. [20160803]另类行迁移.txt
  8. 不重复计数函数php,EXCEL多条件不重复计数函数是什么
  9. RabbitMq(一)走进RabbitMq
  10. 英方软件:以“数据复制”为起点来赋能行业
  11. 通用各类数据库密码字典
  12. 大规模定制(Mass Customization,MC)
  13. 2022年最新版 | Flink经典线上问题小盘点
  14. 您认为做好测试计划工作的关键是什么?
  15. 火遍日本 IT 界的深度学习入门书,你读完了吗?
  16. node进程cpu 100%问题排查
  17. FreeType2使用总结
  18. 人工智能python+dlib+opencv技术10分钟实现抖音人脸变狗头详细图文教程和完整项目代码
  19. 七天毁灭地球的十种方法
  20. [译] 项目什么时候需要 React 框架呢?

热门文章

  1. vb.net 图片水平翻转_太牛了!98 年后浪科学家,首次挑战图片翻转不变性假设,一作拿下 CVPR 最佳论文提名...
  2. Freeswitch智能语音开发之TTS
  3. 仿雷电——飞机大战类游戏Ⅰ
  4. 基于MATLAB的隐函数与三维画图(附图与代码)
  5. 淘宝天猫自动领取喵币
  6. poi 获取解析 excel 获取表头信息以及内容
  7. xml与json格式互转
  8. Gitee码云使用与Git安装、基本使用介绍
  9. 用GATK进行二代测序数据 SNP Calling 流程:(二)bwa比对和HaplotypeCaller 变异检测
  10. 网易微博将正式关闭 用户迁至轻博客LOFTER