一、卷积
卷积运算:卷积核在输入图像上滑动,相应位置上进行对应位置相乘再相加
卷积核:又称为滤波器,可以认为是某种模式,某种特征
卷积过程类似于用一个模板去图像上寻找与它相似的区域,与卷积核模式越相似,激活值越高,从而实现特征提取
二、卷积----nn.Conv2d()
nn.Conv2d(in_channels, out_channels,kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode=‘zero’)
功能:对多个二维信号进行二维卷积
主要参数:
in_channels:输入的通道数
out_channels:输出通道数,等价于卷积核的个数
kernel_size:卷积核的尺寸
stride:步长
padding:补边
dilation:空洞卷积的大小,通常用于图像分割
groups:分组卷积的设置,通常用于图像轻量化
bias:偏置
三、转置卷积----nn.ConvTranspose
转置卷积又称为部分跨域卷积,用于对图像进行上采样
nn.ConvTranspose2d(in_channels, out_channels,kernel_size, stride=1, padding=0, output_padding=0, dilation=1, groups=1, bias=True, padding_mode=‘zero’)
功能:转置卷积实现上采样,即扩大输入图像的尺寸
主要参数:
in_channels:输入的通道数
out_channels:输出通道数,等价于卷积核的个数
kernel_size:卷积核的尺寸
stride:步长
padding:补边
dilation:空洞卷积的大小,通常用于图像分割
groups:分组卷积的设置,通常用于图像轻量化
bias:偏置
转置卷积的尺寸计算 o u t = ( i n − 1 ) ∗ s t r i d e + k e r n e l out=(in-1)*stride+kernel out=(in−1)∗stride+kernel