卷积神经网络之垂直边缘检测

边缘检测

假设我们现在又6x6的2d图片,通过一个3x3的滤波器实现边缘检测,计算后的结果是边缘部分高亮(即rgb的值更高)
0为灰,-1为黑,大于0为白

现有6x6的图片,图像可理解为左白,右灰

101010000
101010000
101010000
101010000
101010000
101010000

3x3的滤波器,图像可理解为白灰黑

10-1
10-1
10-1

进行卷积运算后的结果4x4,图像可理解为灰白白灰

030300
030300
030300
030300

结论:我们发现特征图中间有高亮部分,对应输入的图像,发现中间部分刚好是图像的边缘部分(至于为什么有两列高亮部分,是因为输入图像太小)

在这里插入图片描述

卷积神经网络边缘检测是通过卷积计算在图像中找到边缘的过程。边缘是图像中颜色、亮度或纹理变化的位置,它们通常表示了物体之间的边界或者物体内部的结构变化。卷积神经网络通过使用卷积核与输入图像进行卷积操作来实现边缘检测卷积核是一个小的矩阵,它在输入图像上滑动并计算出一个新的特征图,这个特征图表示了图像中边缘的位置和方向。 具体而言,当一个有明显边缘区分的图片被卷积卷积时,卷积的结果会将图像的垂直边缘高亮显示在灰色的图片中。这是因为卷积操作可以通过计算像素之间的差异来检测边缘。卷积核在滑动过程中,会与图像中的像素进行加权求和,如果像素之间存在较大的差异,则会产生较大的输出值,从而高亮显示边缘的位置。 通过在卷积神经网络中使用多个卷积层和非线性激活函数,网络可以逐渐提取更加复杂的边缘特征。这些边缘特征可以用于图像分类、目标检测和图像分割等任务。卷积神经网络边缘检测在计算机视觉领域中具有广泛的应用和研究价值。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [基于三维牙齿网格的卷积神经网络边缘检测_A convolutional neural network for teeth mar](https://download.csdn.net/download/dwf1354046363/77757716)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [卷积神经网络边缘检测](https://blog.csdn.net/qq_45359086/article/details/113842315)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [卷积神经网络边缘检测实例](https://blog.csdn.net/zhuguiqin1/article/details/80920985)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值