什么是卷积

01
卷积


在泛函分析中，有卷积、旋积或摺积（Convolution）的定义。它是通过两个函数f和g生成第三个函数的一种数学运算，表征函数f与g经过翻转和平移的重叠部分的面积。
卷积的计算公式如下：
 

f(t)先不动， g(-t)相当于g(t)函数的图像沿y轴（t=0）做了一次翻转。g(x-t)相当于g(-t)的整个图像沿着t轴进行了平移，向右平移了x个单位。他们相乘之后围起来的面积就是h(x)。

 

离散卷积的定义为：

可以看出算计可以理解为 :

对离散求和，对连续求积分。


02

卷积的图像处理
 

之前介绍过《神经网络（Neural Network)》，可以通过卷积在图像中提取特征，每个图像都可以被看成像素值组成的矩阵。

比如图像
 

我们可以通过不同的Kernel函数（filter），针对图片上的噪点（高频信号）进行过滤，形成如下效果：

通过卷积操作修改使用的过滤矩阵，进行边缘检测、锐化、模糊等操作。
矩阵的卷积计算：
 

生成的特征图由3个参数控制
 

1. 层数（Depth）：卷积操作使用的滤波矩阵的个数， 在CNN中对应神经网络的层数；
2. 步长（Stride）：滤波矩阵每次平移的像素数；
3. 零填充（Zero-padding）：有时，我们在输入矩阵的边缘使用零值进行填充，这样就能对输入图像矩阵的边缘进行滤波。

参考：

https://www.zhihu.com/question/22298352
https://zh.wikipedia.org/zh-cn/%E5%8D%B7%E7%A7%AF
https://mlnotebook.github.io/post/CNN1/
https://www.jianshu.com/p/61b21acf4b5d
https://ujjwalkarn.me/2016/08/11/intuitive-explanation-convnets/
https://mc.ai/gentle-dive-into-math-behind-convolutional-neural-networks/

THE END
- 晚安 -
图片长按2秒，识别图中二维码，关注订阅号