图像卷积的常见误区与个人思考

最新推荐文章于 2024-07-05 16:44:12 发布

大飞攻城狮

最新推荐文章于 2024-07-05 16:44:12 发布

阅读量2.3k

点赞数

分类专栏：程序人人生文章标签： cnn 人工智能神经网络

本文链接：https://blog.csdn.net/m0_63171455/article/details/123041683

版权

我：pytorch里想让输入原封不动输出应该用什么模块呀
群友A：1*1的卷积核
我：万一我输入是多通道的呢
群友A：1*1*N呗
群友B：conv2d(input_ch, input_ch, 1)，输入输出通道保持一致。但1*1有点类似全连接。
复制代码

看到这里，我已经开始笑了——看来大家跟我一样，对这些基础知识的理解并不是特别透彻。而除此之外，跟其他同学聊到卷积时，我也能感觉到卷积尤其是1*1卷积是一个误解的重灾区。因此，今天打算把之前的思考整理下来，以便回顾。Python学习资料点击免费领取

卷积神经网络主要用于图像数据的处理，所以我们本次重点讨论的是图像卷积。作为一个选修过信号与系统课程的学生，我对卷积有着更原始、更初级，但也更准确的认识。对两个函数的卷积操作可以理解为是对其中一个函数翻转、移位，

关注