多通道卷积:
输入图片:
卷积核:个
输出图片:
1*1卷积的特殊情况:
输入图片:
卷积核:个
输出图片:
input:R,G,B; output:purple,yellow
purple=α1×R+α2×G+α3×B
yellow=β1×R+β2×G+β3×B
可以看出,1*1卷积类似于神经网络的全连接层。新的层就是输入feature map的线性组合,实现了通道数的增加或减少,同时跨通道整合了不同层feature map的信息。
多通道卷积:
输入图片:
卷积核:个
输出图片:
1*1卷积的特殊情况:
输入图片:
卷积核:个
输出图片:
input:R,G,B; output:purple,yellow
purple=α1×R+α2×G+α3×B
yellow=β1×R+β2×G+β3×B
可以看出,1*1卷积类似于神经网络的全连接层。新的层就是输入feature map的线性组合,实现了通道数的增加或减少,同时跨通道整合了不同层feature map的信息。