CNN中的卷积和反卷积的简单知识点

最新推荐文章于 2022-05-15 12:17:28 发布
最新推荐文章于 2022-05-15 12:17:28 发布
阅读量428 收藏
点赞数
分类专栏： 深度学习 计算机视觉 文章标签： 卷积与反卷积 深度学习
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/sinat_36618660/article/details/99556403
版权

CNN中的卷积和反卷积的简单知识点

卷积:
作用：提取特征

kernel_size:卷积核的大小
stride:卷积核的移动步长
padding:零填充
#padding="SAME"指的是最后一次卷积(行或者列)的图像特征尺寸不足以一次卷积时,进行零填充
#padding="VALID"指的是最后一次卷积(行或者列)的图像特征尺寸不足以一次卷积时,舍弃最后一次卷积

反卷积:
注:反卷积操作并不能还原出卷积之前的特征图像，只能还原出卷积之前特征图像的尺寸
作用:可视化卷积，通过可视化卷积的过程发现不同层卷积核对特征提取的影响来做一些相应的处理,以便获得更好的特征提取效果

kernel_size:卷积核的大小
stride:指的是输入特征图像像素间填充的行数(一般用0来填充),若填充一行(一列)，则stride=1
注:反卷积stride和卷积的stride不同,卷积stride是卷积核的移动步长
padding:指的是输入特征图像边界填充的圈数,一般用0来填充,若填充一圈，则padding=1
.我心永恒_
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【深度学习 | CNN】“深入解析卷积神经网络与反卷积：从生活案例到原理的全面指南” （从一维、二维、三维讲解）
计算机魔术师的blog
06-27 1939
《深入解析卷积神经网络：从原理到应用的全面指南》。在这篇指南中，我们将深入探讨卷积神经网络（Convolutional Neural Networks, CNNs）的原理和应用，为您提供全面的解析和指导。 随着人工智能和机器学习技术的快速发展，卷积神经网络已经成为图像识别、计算机视觉和自然语言处理等领域的核心技术。无论您是一位学术研究人员，还是一位工程师或开发人员，这份全面指南都将为您提供宝贵的知识和见解。
CNN基础知识点
要努力成为很厉害很厉害的人哦
04-02 416
1. 卷积 1.1 卷基层由多个filter构成,每个filter有长,宽,channel(C)决定. C要和上一层的channel的数据决定. 1.2 每个channel各位置上的参数各不相同 1.3 上一层的channel和fitler的相应channel做卷积操作,然后将各channel相应位置的卷积结果相加, 生成一维的结果. 2. pooling 为了减少参数, 进行max...
反卷积的缺陷
qq_38334671的博客
12-14 1005
https://distill.pub/2016/deconv-checkerboard/
深度学习：一文解决卷积，池化，反卷积的维度问题（包含一些工程思考）
Felaim的博客
07-18 1212
一文解决卷积，池化，反卷积的维度问题 1. 背景 其实这个之前LZ对这个关注度不是很高，像tensorflow，选择‘valid’和‘same’也就可以了，但是对于caffe不可以。并且在海思芯片使用的caffe1.0，据前端同事说很多骚操作在前端都是不支持的，哭泣中，即使在重训的时候可以重新写C，来添加层，在NNIE推断结果还是不行。。。 按理说华为内部应该是有一波大神来构建对应的代码来支持比较新的网络层的，这应该也算是一种技术壁垒吧，纯属猜测。 还有量化误差的问题，这个真的也是无力吐槽，据说9月份就会出
反卷积的作用
Asber的博客
01-06 6920
经常在别人的网络结构看到反卷积的存在，我们知道卷积池化的作用是提取高维特征，但是反卷积的作用只能说出类似于利用学习的方法把图像细节还原，类似超分的作用，那到底是什么作用呢？ 这里整理网上有用的参考： 反卷积又称转置卷积： 信息来源：知乎 来还原feature map的尺寸大小，用于还原之前一系列卷积操作之后特征图分辨率变小的问题 CNN可视化 fcn中达到pixel classification...
笔记：反卷积---对于反卷积的理解
qq_42455922的博客
10-25 667
声明：博主只是一个SR小菜鸟，这篇文章是博主自己的笔记，仅供参考。 刚刚开始学习图像超分辨率的时候，我找了几篇这方面的论文，其中就有超分的开山之作： Learning a Deep Convolutional Network for Image Super-Resolution 论文链接：https://arxiv.org/abs/1501.00092 刚开始我以为这篇文章通过反卷积来将图像的分辨率调高的，但是阅读了文章后发现我错的离谱。 所以我找了一篇关于反卷积的文章来学习。 原文链接：CNN
【4】如何理解CNN中的卷积？
03-29 3万+
1、什么是卷积：图像中不同数据窗口的数据和卷积核（一个滤波矩阵）作内积的操作叫做卷积。其计算过程又称为滤波（filter)，本质是提取图像不同频段的特征。2、什么是卷积核：也称为滤波器filter，带着一组固定权重的神经元，通常是n*m二维的矩阵，n和m也是神经元的感受野。n*m 矩阵中存的是对感受野中数据处理的系数。一个卷积核的滤波可以用来提取特定的特征（例如可以提取物体轮廓、颜色深浅等）。通过...
CNN - 卷积
qq_45898993的博客
05-15 2725
01 基本概念 卷积：简单来讲，就是把一个 n*m 的二维矩阵通过一个卷积核将其变为n1*m1的二维矩阵的过程称为卷积。 卷积核：给定输入图像，输入图像中一个小区域中像素加权平均后成为输出图像中的每个对应像素，其中权值由一个函数定义，这个函数称为卷积核。 多通道：即输入矩阵的维度。 特征图：卷积操作处理后的结果。 特征选择：人工选取特征，然后计算机利用这些特征进行分类，在选择正确特征情况下，信噪比(signal-to-noise ration)将会提高，分类正确率也会提高。 Eg：多通道多卷积核的CNN（3
cnn卷积神经网络PPT详解
08-11
作为一名 IT 行业大师，我将详细解释 CNN 卷积神经网络的知识点，涵盖标题、描述、标签和部分内容中的相关信息。 卷积神经网络（CNN） 卷积神经网络（Convolutional Neural Networks，CNN）是一种深度学习算法，...
deep_learing_pytorch.zip_CNN_MNIST pytorch_pytorch_优化CNN_卷积神经网络
07-15
下面我们将深入讨论与标题和描述相关的几个关键知识点。 1. PyTorch框架：PyTorch是一个开源的深度学习库，由Facebook开发。它提供了一个动态计算图模型，使得构建和调试神经网络更为灵活。与TensorFlow等静态计算...
深度学习基础知识点（一）CNN卷积神经网络——1.卷积方面的原理
weixin_43570470的博客
05-12 2951
1.感受野受哪几个参数的影响，计算感受野的大小 ？ 2.上采样方式subpixel，反卷积，resize 3.卷积核大小为什么是奇数？ 4.CNN为什么参数共享? 5.Dropout是什么？为什么Dropout可以防止过拟合？Dropout具体工作流程？Dropout在测试时需要怎么补偿？为什么说Dropout可以解决过拟合？ 6.CNN的平移不变怎么体现？ 7.为什么CNN比DNN在图像领域更具优势？......
卷积与反卷积关系超详细说明及推导（反卷积又称转置卷积、分数步长卷积）
dugudaibo的博客
10-19 1万+
  以 CNN 为代表的卷积神经网络在图像的相关领域得到了较为长足的发展。在 CNN 中卷积实际分类两大类，一种是卷积，另一种是转置卷积（transposed convolutional ），或者称为分数步长卷积（ fractionally strided convolutional layers），亦或者是反卷积（deconvolution）。   虽然在一些文章中将反卷积与转置卷积认为是等价的...
什么是反卷积（快速理解）
丶夜未央丶的博客
07-01 1万+
什么是反卷积参考博客 我们知道输入图像通过卷积神经网络（CNN）提取特征后，输出的尺寸往往会变小，而又是我们需要将图像恢复到原来的尺寸以便进行进一步的计算，整个扩大图像尺寸，实现图像由小分辨率到大分辨率的映射的操作，叫做上采样（Upsample） 反卷积是上采样的一种方式，反卷积也叫转置卷积。 图1 反卷积原理图（stride=1） 上图所示的就是一个反卷积的工作过程，与卷积过程的主要区别在于反卷积输出的图片尺寸会大于输入图片的尺寸，通过增加padding来实现这一操作，上图展示的是一个stride为1的
膨胀卷积的缺点_卷积、反卷积与膨胀卷积
weixin_39640904的博客
12-20 524
卷积(多---->1 的映射)本质：在对输入做9--->1的映射关系时，保持了输出相对于input中的位置性关系对核矩阵做以下变形：卷积核的滑动步骤变成了卷积核矩阵的扩增卷积的矩阵乘法变成以下形式：核矩阵重排，输入featuremap变形为向量反卷积(1---->多 的映射)deconvlution/transpose-convlution动机想要网络去学出一种最优的上采样方法,...
反卷积(Transposed Convolution, Fractionally Strided Convolution or Deconvolution)
热门推荐
wakaka的博客
04-01 5万+
关于反卷积Deconvolution，转置卷积Transposed Convolution 的一些介绍。
【深度学习基础知识 - 15】反卷积的概念以及使用场景
yanyuxiangtoday的博客
08-19 2010
概念 反卷积（deconv）是输入一张小的特征图，输出一张大的特征图。首先会对特征图进行padding，然后就可以像正常卷积操作一样进行计算。 反卷积比正常卷积增加了一个参数，叫做output_shape，这是由于不同的特征图，如5x5和6x6的特征图在进行3x3的卷积之后都会得到3x3的特征图，因此反卷积的时候就需要输入一个参数用于指定输出的特征图尺寸。 使用场景 通常在一些图像重建任务中，主要目的是对特征图进行放大，如一些分割任务、图像重建任务等，当通过一个backbone进行特征提取之后需要恢复
卷积的血腥的理解
02-20 700
比如说你的老板命令你干活，你却到楼下打台球去了，后来被老板发现，他非常气愤，扇了你一巴掌（注意，这就是输入信号，脉冲），于是你的脸上会渐渐地（贱贱地）鼓起来一个包，你的脸就是一个系统，而鼓起来的包就是你的脸对巴掌的响应，好，这样就和信号系统建立起来意义对应的联系。下面还需要一些假设来保证论证的严谨：假定你的脸是线性时不变系统，也就是说，无论什么时候老板打你一巴掌，打在你脸的同一位置（这似乎要求你的
卷积
sinat_35587379的博客
02-19 367
二维卷积层 卷积神经网络（convolutional neural network）是含有卷积层（convolutional layer）的神经网络。本章中介绍的卷积神经网络均使用最常见的二维卷积层。它有高和宽两个空间维度，常用来处理图像数据。本节中，我们将介绍简单形式的二维卷积层的工作原理。 二维互相关运算 虽然卷积层得名于卷积（convolution）运算，但我们通常在卷积层中使用更加直观的互...
深度学习中的反卷积网络理解
fu6543210的博客
05-22 4561
前段时间学习了ＦＣＮ，里面有提到反卷积，上采样，不是很理解。但是ＦＣＮ通常用在分割，目标检测等应用很广。最近又接触了一下ＤＣＧＡＮ里面的生成器就是反卷积网络，和ＦＣＮ是同一类的，所以想学习一下。deconvolution networks大致可以分为以下几个方面：（1）unsupervised learning，其实就是covolutional sparse coding[1][2]：这里的dec...
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