Towards intuitive understanding of convolutions through visualizations
如果您在深度学习中听说过不同类型的卷积(例如2D / 3D / 1x1 /转置/扩张(Atrous)/空间可分离/可深度分离/平展/分组/混洗分组卷积),并且混淆了它们实际意味着什么 ,这篇文章是为了解你的实际工作而编写的。
在本文中,我总结了深度学习中常用的几种类型的卷积,并尝试以每个人都可以访问的方式解释它们。 除了这篇文章之外,还有其他几篇关于这个主题的好文章。 请检查出来(在参考文献中列出)。
希望这篇文章可以帮助您建立直觉,并为您的学习/研究提供有用的参考。 请随时留下意见和建议。
The content of this article includes:
-
卷积v.s.互相关
-
深度学习中的卷积(单通道版本,多通道版本)
-
3D卷积
-
1 x 1 卷积
-
卷积算术
-
转置卷积(反卷积,棋盘格工件)
-
扩张卷积(Atrous Convolution)
-
可分离卷积(空间可分离卷积ÿ