卷积神经网络是一种前馈型神经网络, 受生物自然视觉认知机制启发而来的. 现在, CNN 已经成为众多科学领域的研究热点之一, 可应用于图像分类, 目标识别, 目标检测, 语义分割等等。
在要检测的图像上,从左到右,从上到下遍历这一幅图像,从上到下计算模板与重叠子图像的像素匹配度,如果匹配的程度越大,这说明相同的可能性越大。这种从上到下从左到右的遍历过程被称为“卷”
卷积的操作过程跟图像滤波原理相似,都是通过一个小的卷积核(或者叫滤波器)在图像上滑动,利用图像局部信息进行计算:
在卷积过程中,我们可以认为:一个卷积核就是一个图像的纹理特征,对应每次点乘并求和得到的数字,就是该图像该处物体纹理与特征纹理的相似度。计算流程如下:
“卷积”简单来说,可以理解为 遍历 求 内积。
上图就是卷积后的图像尺寸的计算方法。(当步长为1的时候)
如果步长不止为一,那么卷积后图像尺寸的计算方法就变成如下: