1*1卷积核实现升维降维

于 2024-06-14 11:25:01 发布
阅读量104 收藏
点赞数 3
文章标签： 目标检测 计算机视觉 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43578042/article/details/139676941
版权

假设现在有一张图片形状为[32,32,3],32为长和宽，3代表通道数。
升维：卷积核shape为[1,1,3,10],即10组[1,1,3]的卷积核，先用其中一组对这张图片卷积得到[32,32,3]的数据，然后将这3为数据相加之后得到[32,32,1]，所以10组卷积核能得到[32,32,10]的输出，这样改变了维度。
降维：同理，只需将10改为想要的维度就可以了。

来源：https://zhuanlan.zhihu.com/p/661786236

朝朝暮暮Quake
关注
  • 3
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
卷积神经网络CNN中1×1卷积作用理解
青衫憶笙
07-11 9537
0.引言 研究 GoogLeNet 和 VGG 神经网络结构的时候，都看见了它们在某些层有采取 1x1 作为卷积核，在最开始看到的AlexNet中都是出现了卷积核是 3x3和5×5的。那么，1x1 的卷积核有什么意义呢？ 最初应用 1x1 卷积核的神经网络是 Network In Network，然后 GoogLeNet 和 VGG 也不约而同的更正了。 他们在论文中解释，大概有下面 2...
为什么要分别使用1*1，3*3，1*1的卷积核进行降维和升维
Cool_Uncle的博客
12-15 1万+
使用三个不同大小的卷积核是为了减少参数的数量。 1.首先是卷积核的数量问题。 因为一张图片可能有很多特征，所以可能需要学习多个卷积核用来提取图像特征。 图中不同颜色代表不同的特征，需要学习对应数量的卷积核进行特征提取。 对于灰度图像，例如一个图像大小是5×5， 有一个3×3的卷积核对着图像进行卷积，卷积结束后生成一个3×3的矩阵。 如果有2个卷积核对着图像卷积，就会生成两个3×3的矩阵。 同理有多少个卷积核对图像卷积就有多少个矩阵。 这个叫做通道。 如果有4个特征，可以设置4个2维卷积核进行特征提取，提取
1*1的卷积核 降维和升维的妙用
张公子：桃花落影飞神剑，碧海潮生按玉箫。欢迎共赴知识与乐趣的探索之旅！
07-15 1万+
使用三个不同大小的卷积核主要是为了减少参数的数量。 目录使用三个不同大小的卷积核主要是为了减少参数的数量。1.首先是卷积核的数量问题2.其次是参数数量的计算：3. 增加跨通道信息的交互和增加非线性 1.首先是卷积核的数量问题 2.其次是参数数量的计算： 3.增加跨通道信息的交互和增加非线性 1.首先是卷积核的数量问题 因为一张图片可能有很多特征，所以可能需要学习多个卷积核用来提取图像特征。 图中不同颜色代表不同的特征，需要学习对应数量的卷积核进行特征提取。 对于灰度图像，图像为2D 例如一个图像大小是5×
【深度学习】1*1卷积
littlemichelle
01-29 8527
卷积核的作用在于特征的抽取，越是大的卷积核尺寸（kernal_size）就意味着更大的感受野，当然随之而来的是更多的参数。图像空域内具有局部相关性，卷积的过程是对局部相关性的一种抽取。 1*1卷积的作用? / 如何理解卷积神经网络中的1*1卷积? 1x1 卷积可以压缩信道数（channel--厚度）即减少特征的维度。池化可以改变图片的宽和高。 1x1卷积给神经网络增加非线性，从而减少...
卷积（CNN）| 反卷积（TCNN、Transposed CNN）| 卷积过程中feature map的通道变化 | 1 × 1卷积核如何降维/升维
你的问题在于，读书太少而想得太多。
06-27 2609
一文搞懂卷积（CNN）| 反卷积（TCNN、Transposed CNN）| 卷积过程中feature map的通道变化 | 1 × 1卷积核如何降维/升维
NNDL 作业7：第五章课后题（1×1 卷积核 | CNN BP）
fangerfang？
10-27 1409
NNDL 作业7：第五章课后题（1×1 卷积核 | CNN BP）
奇数卷积核VS偶数卷积核
01-06
1.大卷积核和小卷积核 显然，大卷积核的感受野更大，自然提取特征的性能更好，一个5 * 5的卷积核可以由两个3 * 3的卷积核替换，但是带来的代价是：大卷积核的计算速度更慢，参数量更多。因此，通常使用小卷积核，小...
CNN0926_一维卷积_matlab1D-CNN
09-11
在本文中，我们将深入探讨一维卷积神经网络（1D Convolutional Neural Networks, 或 1D CNN）以及如何使用MATLAB实现1D-CNN的基本网络结构。1D CNN是一种深度学习模型，专用于处理一维数据，如时间序列、音频信号或...
matlab.zip_（2_1_3）卷积
09-14
3. **快速卷积**：对于长序列，可以使用`conv2`或`fft`结合傅立叶变换进行快速卷积，降低计算复杂度。 4. **滤波器设计**：卷积常用于滤波器设计，如低通、高通、带通和带阻滤波器。 5. **可视化**：使用`plot`函数...
matlab实现不同类型和大小卷积核处理数字图像
05-23
Write a function Convolution (Image I, Kernel H) that has arguments a. Image B (Images is corrupted by salt-and-pepper noise). b. Kernel H (You should allow varying size Kernels) ...
juanji.rar_opencv卷积_卷积核
09-14
在这个“juanji.rar_opencv卷积_卷积核”压缩包中，我们主要关注如何使用OpenCV实现自定义模板卷积。 卷积是一种数学运算，用于提取图像特征、平滑噪声或进行滤波操作。在图像处理中，卷积通常通过移动一个称为卷积...
【计算机视觉面经一】 1x1卷积的介绍与用处
最新发布
wzk4869的博客
02-12 1173
【计算机视觉面经一】 1x1卷积的介绍与用处
深度学习基础学习-1x1卷积核的作用（CNN中）
小夭的博客
11-09 2万+
1x1卷积核作用
通过1X1卷积核实现升维，降维
计算机视觉
10-28 4206
一文读懂卷积神经网络中的1x1卷积核
热门推荐
阿木寺的博客
07-18 3万+
前言 在介绍卷积神经网络中的1x1卷积之前，首先回顾卷积网络的基本概念[1]。 卷积核（convolutional kernel）：可以看作对某个局部的加权求和；它是对应局部感知，它的原理是在观察某个物体时我们既不能观察每个像素也不能一次观察整体，而是先从局部开始认识，这就对应了卷积。卷积核的大小一般有1x1,3x3和5x5的尺寸（一般是奇数x奇数）。卷积核的个数就对应输出的通道数（chan...
CNN 中， 1X1卷积核到底有什么作用呢？
wzy的博客
10-27 1523
http://www.caffecn.cn/?/question/136 摘抄于这里 从NIN 到Googlenet mrsa net 都是用了这个，为什么呢 发现很多网络使用了1X1卷积核，这能起到什么作用呢？另外我一直觉得，1X1卷积核就是对输入的一个比例缩放，因为1X1卷积核只有一个参数，这个核在输入上滑动，就相当于给输入数据乘以一个系数。不知道我理解的是否正确。 我来说说
关于CNN网络中1X1卷积核降维或升维的理解
liqingzhuang2016的博客
12-26 1万+
网上都说1X1的卷积核可以降维或升维。我的理解是，如果输入层x * y * z, 深度z（通道）大于1时(如果是第一层，即要求图像像素为多 个分量，如RGB，相当于深度为3；如果是中间层，即为feature map 是多个 )可以通过1X1的卷积实现输出层上降低通道数，也就是所谓的降维。当然前提是该1X1层设计的输出特征个数 feature map 数 x * y * z ，则会升维。 不
1x1卷积核的作用
MT2048的博客
12-10 1万+
Why？ 1x1 卷积 1. 前言 往往很多人喜欢把事情搞得复杂，显得高大上，却并不实用，殊不知有时候简单的想法才是最美的。就好像是一堆巧妙的数学公式推导，常常有某一个极简的数学公式在作支撑，奇技淫巧无处不在。此外，研究算法的乐趣之一就是存在这些神奇的地方。如果是自己发现会很有成就感，如果在别人的思想中发现也会产生共鸣。 今天要记录 CNN 中的 1x1 卷积的神奇之处，或者说有什么用？当然我承...
1*1的卷积核的作用？
06-05
1x1的卷积核可以用于改变或者调整特征图的通道数，而不改变特征图的大小。它可以用于降维或升维，...例如，在GoogleNet中，1x1的卷积核被用于实现Inception模块中的通道压缩操作，以降低计算复杂度并提高模型的准确率。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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