卷积核
文章平均质量分 81
爱学习的人工智障
专注于深度学习,扣图算法,压缩算法,去隔行算法
展开
-
1*1卷积核的理解
可以在不改变分辨率的前提下,提高卷积核提取特征的能力。能够进行降维和升维。(通道数)意义:可以完成不同通道的特征图之间信息的融合,提高特征的提取能力。首先应用于goolenet, Resnet也在用。参考链接:https://blog.csdn.net/amusi1994/article/details/81091145...原创 2020-01-14 13:18:48 · 360 阅读 · 0 评论 -
pytorch中定义卷结核
卷积核定义的几个要点:输入通道数,输出通道数,卷积核大小,补偿,扩展像素的大小。参考链接:https://blog.csdn.net/lyl771857509/article/details/84113177原创 2020-01-17 15:34:39 · 122 阅读 · 0 评论 -
卷积核,以及卷积核channel数的理解
每一个卷积核的大小,为长宽深度。长,宽自定义,深度由上一层卷积核的个数或者输入图片的channel数决定。例如:如果上一层就是输入,输入为灰度图像,卷积核的深度为1。输入为rgb图像,卷积核的深度为3。如果上一层为卷积层,卷积核的个数,即channel数,就是当前层卷积核的深度。注:经过一个卷积核的输出,必然为一个特征图。当前层卷积核的channel数,可以自定义。可以与上一层卷积核个数相同.........原创 2020-01-15 17:32:06 · 6829 阅读 · 3 评论