卷积操作的基础知识

最新推荐文章于 2024-08-08 16:38:06 发布

靠谱Mr.

最新推荐文章于 2024-08-08 16:38:06 发布

阅读量1k

点赞数 1

分类专栏： CNN 机器学习文章标签：神经网络

原文链接：https://blog.csdn.net/kingroc/article/details/88192878

版权

3 篇文章 0 订阅

订阅专栏

1 篇文章 0 订阅

订阅专栏

《Tensorflow初级教程》
在Tensorflow中该API的功能是进行的是卷积操作，那是如何运行的呢？

卷积操作的目的是提取图像的特征。都提取什么特种呢？根据不同的卷积核、不同的计算方式，会得到不同的特征提取图。

图（1）
在这里插入图片描述
左边是相同的一整图，通过三次卷积操作，得到了三张特征图，分别是锐化、浮雕、轮廓。

图（2）
在这里插入图片描述
咱们把上图分成几部分，通过几个关键词来了解卷积操作。

原图：上图的绿色矩阵，这个是计算机眼中的图片。图片通过矩阵的方式进行表达。
卷积核：上图的黄色矩阵，这个是卷积核，核的大小可以自定义，2x2、 3x3、5x5都可以的，卷积核里面的权值的不同，提取的特征图也不同，如图（1）所示不同的核得到的不同的特征图。
计算方式：上图灰色的箭头，代表原图矩阵与卷积核矩阵他们两个的计算方式。下面会进行讨论。
特征图：上图粉色部分，卷积操作最后获得的结果。

图（3）
在这里插入图片描述
通过图3可以看出，是卷积核不停的在原图上进行滑动，每次滑动移动1格，然后再利用原图与卷积核上的数值进行计算得到缩略图矩阵的数据。

卷积操作	讲解

图4	这种卷积操作叫SAME Padding，卷积操作后原图与特征图大小相同。每次移动一个格子
图5	这种卷积操作叫VALUE Padding，卷积操作后原图比特征图要大，每次移动的步长为2
图6	空洞卷积（atrous convolutions）又名扩张卷积（dilated convolutions），向卷积层引入了一个称为 “扩张率(dilation rate)”的新参数，该参数定义了卷积核处理数据时各值的间距。