卷积:卷积也可以形式化地描述,事实上,它就是一种数学运算,跟减加乘除没有本质的区别(卷积被广泛地用于化简等式)
卷积核:常常被称为滤波器(一种自编码器)
在图像里面有:(例如:)
锐化图像(强调细节)
模糊图像(减少细节)
并且每个feature map都可能帮助算法做出决策(一些细节,比如衣服上有3个纽扣而不是两个,可能可以区分一些服饰)。
使用这种手段——读入输入、变换输入、然后把feature map喂给某个算法——被称为特征工程。
卷积神经网络就是干这个的:
我们赋予参数给这些核,参数将在数据上得到训练。随着卷积神经网络的训练,这些卷积核为了得到有用信息,在图像或feature map上的过滤工作会变得越来越好。这个过程是自动的,称作特征学习。特征学习自动适配新的任务:我们只需在新数据上训练一下自动找出新的过滤器就行了。这是卷积神经网络如此强大的原因——不需要繁重的特征工程了!
卷积核:常常被称为滤波器(一种自编码器)
在图像里面有:(例如:)
锐化图像(强调细节)
模糊图像(减少细节)
并且每个feature map都可能帮助算法做出决策(一些细节,比如衣服上有3个纽扣而不是两个,可能可以区分一些服饰)。
使用这种手段——读入输入、变换输入、然后把feature map喂给某个算法——被称为特征工程。
卷积神经网络就是干这个的:
我们赋予参数给这些核,参数将在数据上得到训练。随着卷积神经网络的训练,这些卷积核为了得到有用信息,在图像或feature map上的过滤工作会变得越来越好。这个过程是自动的,称作特征学习。特征学习自动适配新的任务:我们只需在新数据上训练一下自动找出新的过滤器就行了。这是卷积神经网络如此强大的原因——不需要繁重的特征工程了!