cs231n笔记（7）——图像处理中的卷积

一.数学意义上的卷积：

数学意义上的卷积要比图像中的难理解一下，可以参考下面俩个知乎上排名比较高的答案

http://blog.csdn.net/bitcarmanlee/article/details/54729807

https://www.zhihu.com/question/54677157/answer/141245297

二.图像处理意义上的卷积：

数字图像是一个二维的离散信号，对数字图像做卷积操作其实就是利用卷积核（卷积模板）在图像上滑动，将图像点上的像素灰度值与对应的卷积核上的数值相乘，然后将所有相乘后的值相加作为卷积核中间像素对应的图像上像素的灰度值，并最终滑动完所有图像的过程。 如图

然后将绿色格子中6组数相加便是input与Kernel卷积的结构；

再来看一幅立体的：

这些只是基础理解，更全面的：http://blog.csdn.net/chaipp0607/article/details/72236892?locationNum=9&fps=1

三.卷积神经网络中的卷积

1.步长

卷积核每次做完卷积后步长移动的距离，下图中步长=2（stried=2），即滤波器卷积后移动两个格子再做卷积。

2.0填充

如果图片长度不能被卷积核正好滑动，需要在外围填充一圈或多圈的0方便卷积，下图中zero-padding=1。

3.深度

深度也叫通道，通俗将就是图片可以拆开分成几层。比如黑白图片只有一个通道，而彩色图片可以按三原色分成3个深度。

4.步骤

下图中有俩个滤波器，即俩个卷积核。

然后在三个通道中分别以两个滤波器对图片进行滑动卷积，每个卷积核对应的3个通道得到的三个结果为一组，将一组的三个结果相加，每组得到一个结果，最后得到俩个结果。即有几个卷积核最后得到几个结果。