【一维卷积】【二维卷积】

本篇为《深度学习》系列博客的第八篇，该系列博客主要记录深度学习相关知识的学习过程和自己的理解，方便以后查阅。

上篇说道这篇那应该写PCA，但是……，也不知道忙啥了，就一直没写，再拖拖……，用到之后在写吧！！！

一维卷积

物理意义

这里主要参考ｂ站《「珂学原理」No. 28「卷积为谁而生？」》，这里就直接放推导过程了。

说一下理解：视频里说的卷积，就是跟“傅里叶变换”、“拉普拉斯变换”一样的，都是对信号的或者说是函数的图像的分解，“傅里叶”是把信号分解成正弦信号，“拉布拉斯”是在傅里叶的基础上增加了一个衰减。

而这里说的卷积，是将信号分解成一个小段或者说是分解成一个由冲激信号组成的信号。

数学意义

还有一个视频《「珂学原理」No.90「卷积应该怎么卷」卷积描述了什么运算？》，这里主要讲的数学原理，下面贴几张图片：

在离散的信号里可以称之为“卷和”

二维卷积

以下参考文章《二维卷积的原理与手动编程实现》

二维卷积的实现

二维卷积实现可以分为两大步。

一是预处理：将卷积核翻转180°，将原始数据扩边；
二是滑动卷积计算。下面按这两个步骤分别说明：

预处理

对卷积核翻转180°就是"上下翻转+左右翻转"；对原始数据的扩边其实就是为了"补0"好算，扩边括多大呢？就看原始数据"左上角"那个点，卷积核是3x3，那么左顶点一周也就要扩成3x3(卷积核中心和左顶点对齐后可以做"点乘")，也就是上、下各括边"fix(3/2) = 1"。

滚动卷积运算

滑动卷积计算，其实就是对应的"两个小矩阵"的"点乘并求和"。"滑动"是指：卷积核沿着"扩边后的原始数据"从左到右，从上到下进行。

Matlab代码

clc; clear;

x = [-1 -2 -1;0 0 0;1 2 1];  % 卷积核——必须是方阵且为奇数行/列
data = [1 2 3 4 5;6 7 8 9 10;11 12 13 14 15;16 17 18 19 20;21 22 23 24 25];  % 原始数据

zidai = conv2(data,x,'same');  % matlab自带的二维卷积函数

x = rot90(rot90(x));  % 新的卷积核

% 核的尺寸
size_x = size(x);
row_x = size_x(1);  % 核的行数
col_x = size_x(2);  % 核的列数
% 数据的尺寸
size_data = size(data);
row_data = size_data(1);  % 数据的行数
col_data = size_data(2);  % 数据的列数

% 核的中心元素:
centerx_row = round(row_x/2);　% round:四舍五入函数
centerx_col = round(col_x/2);
centerx = x(centerx_row,centerx_col);

% 对原始数据扩边:
data_tmp = zeros(row_data+row_x-1,col_data+row_x-1);
data_tmp(centerx_row:centerx_row+row_data-1,centerx_row:centerx_row+col_data-1) = data;
data_k = data_tmp;
% 扩边后新数据矩阵尺寸:
size_data_k = size(data_k);
row_data_k = size_data_k(1);
col_data_k = size_data_k(2);

% m = centerx_row:row_data+row_x-2
% 开始卷积计算: m n 是新数据矩阵的正常索引
result = zeros(row_data_k,col_data_k);
% m n一般卷积步长都是1
for m = centerx_row:centerx_row+row_data-1
    for n = centerx_row:centerx_row+col_data-1
        % tt是临时与卷积核大小相同的数据中的部分矩阵:
        tt = data_k(m-(centerx_row-1):m+(centerx_row-1),n-(centerx_row-1):n+(centerx_row-1));
        % juan是中间每一次卷积计算求和的中间量:
        juan = sum(x.*tt);
        result(m,n) = sum(juan(:));
    end
end

% 去掉之前扩边的0:
result = result(centerx_row:centerx_row+row_data-1,centerx_row:centerx_row+col_data-1)

运行结果如下：