机器学习相关概念学习笔记——卷积核

卷积核

参考了百度百科、data science、知乎（量子态）。

卷积使用“内核（kernel）”从输入图像中提取某些“特征”。卷积核是一个矩阵，可在图像上滑动并与输入相乘，从而以某种所需的方式增强输出。以下图为例进行说明。

上图所用的卷积核用于锐化图像。但是这个内核有什么特别之处呢？考虑以下示例中所示的两个输入图像排列。对于第一个图像，中心值为

$3\times 5+2\times (-1)+2\times (-1)+2\times (-1)+2\times (-1)=7$

值3增加到7。对于第二个图像，输出是

$1\times 5+2\times (-1)+2\times (-1)+2\times (-1)+2\times (-1)=-3$

值1减少到-3。显然，3和1之间的对比度增加到7和-3，这样图片会变得更加清晰。

现在可以解释卷积操作的用处了：用输出图像中更亮的像素表示原始图像中存在的边缘。回想一下MNIST手写数字分类问题。在MNIST上训练的CNN可以找到某个特定的数字。比如发现数字1，可以通过使用边缘检测发现图像上两个突出的垂直边缘。通常，卷积有助于我们找到特定的局部图像特征（如边缘），用在后面的网络中。