图像识别中的卷积操作(Convolution in Image Identification )

初入卷积

1. 为什么学它

  我们做事，无论做啥，都一定要有问为什么的好奇心。卷积作为图像识别中的最基本操作，我们一定要把它吃个透，要想做道好菜，没有扎实的刀功哪能了得。

2. 千万不要“未入觉难”

  听到卷积，可能刚入门的朋友都会有一点怕，以为是什么高深摸不透的东西，更怕自己数学不好学不会这个。但如果你看到这里，那么请现在开始打消这个念头。它，不难。

3.废话少说，开始学习

先放张图给大家瞅瞅（二维卷积）

看完这张GIF图，想必这个概念不再那么抽象了吧。

卷积三要素

通俗定义(比喻卷积操作，方便理解，非正式定义)

用一张小拓纸在一张大画上面临摹

正式定义(从数学角度理解)

深蓝色方块：待卷图像
3x3灰色移动方块：卷积核
深绿色方块：卷积输出

该图中，卷积核为
$$\left[\begin{array}{ccc}0& 1& 2\\ 2& 2& 0\\ 0& 1& 2\end{array}\right]$$
待卷图像为
$$\left[\begin{array}{ccccc}3& 3& 2& 1& 0\\ 0& 0& 1& 3& 1\\ 3& 1& 2& 2& 3\\ 2& 0& 0& 2& 2\\ 2& 0& 0& 0& 1\end{array}\right]$$
接下来对红色区域进行计算

计算方式为：卷积核与红色区域矩阵一一对应相乘，最后将所有乘得的数相加作为输出
0x3 1x3 2x2
2x0 2x0 0x1
0x3 1x1 2x2
最后相加即得12

  然后保持卷积核不变，将其按从左往右，从上到下的顺序进行移动，重复上述操作，得到最终的3x3卷积输出。
  至此，最简单易懂的卷积教程到此结束。这里只是很基础的单通道二维卷积操作，不涉及实现代码及其他专业知识。懂的都懂。

最后

希望这篇教程能对刚入门或有意向入门图像识别的你有所帮助（当然这只是很很很很简单很浅的入门，求大佬别喷我）。

如有错误，请各位少侠不吝指正！！！本人感激不尽

本文章两张GIF图均为转载他人，如有侵权请联系我删除。