1.卷积神经网络
边缘检测 edge detection
灰度图像只是一个6x6x1的矩阵而不是6x6x3因为没有分开的RGB,为了检测边缘,建立一个3x3的矩阵,在池化(pooling)过程中这会被称为一个过滤器(filter),我们将要建立一个3x3的过滤器(核),你需要做的是获得6x6的图像并求其卷积。卷积运算用*表示。这个卷积运算的输出是一个4x4的矩阵
垂直边缘检测
如果你有一个nxn的图片并且想使用一个f x f的过滤器,输出的维度将会是(n-f+1) x (n-f+1)
缺陷: 图片一直在缩小;边缘的用的很少
padding填充
为了解决以上问题,用一个额外的边缘border)填充图片,在边界周围用一个1个像素的大小的额外边缘,现在的输入已经变成一个通过填充得到的8x8图片,通过填充保持了图片的原始大小6x6。通常使用0来填充,如果p是填充的数量p=1,因为我们使用了一个1像素的额外边缘