教你如何卷积操作进行边缘检测，基础必备

https://www.toutiao.com/a6630571206204473859/

 

2018-12-03 09:22:41

 

 

作者：忆臻

0. 前言

打算对吴恩达老师的Deeplearning课程做一个笔记回顾，大体整理思路为吴老师课堂内容和个人理解，非常基础无难点，重在备忘分享，大神勿喷！

1. 前边缘检测示例

卷积运算是卷积神经网络最基本的组成部分，我们用边缘检测作为入门样例。在这个视频中，你会看到卷积是如何进行运算的。

首先举个例子，给了下面这样一张图片，让电脑去搞清楚这张照片里有什么物体。

我们首先会想到是检测图片中的垂直边缘。比如说，在这张图片中的栏杆就对应垂直线，与此同时，这些行人的轮廓线其实也能算是垂线，我们可以用垂直边缘检测器检测出这些边界线。

如下图（检测出垂直边缘）：

 

同样，你可能也想检测水平边缘，比如说这些栏杆就是很明显的水平线，它们也能被检测到，如下图:

 

图片中的大部分物体都能用垂直和水平边缘线来刻画，看起来是能够满足我们的需求了，但是如何在图像中检测这些边缘呢？下面来举一个简单例子说明。

2. 简单例子

这是一个说明如何检测垂直边缘的简单例子，一个6×6的灰度图像。因为是灰度图像，没有RGB三通道，所以它是6×6×1的矩阵，而不是6×6×3。它如下图所示

 

 

左边数字10代表比较亮，右边0代表暗，我们想要将中间的垂直边缘检测出来。

为了检测图像中的垂直边缘，我们可以构造一个3×3矩阵。在卷积神经网络的术语中，它被称为过滤器。我要构造一个3×3的过滤器，论文中它有时候会被称为核，而不是过滤器，但在这个视频中，我将使用过滤器这个术语。如下图：

 

我们的做法是用3×3的过滤器对这个6×6的图像进行卷积运算，卷积运算用*来表示。对它进行卷积操作之后就能检测边缘出来了。嗯，我们先认可这个结论，先看一下整体图：

 

下面要解决的就是

（1）如何用过滤器对原图片进行卷积操作

（2）卷积操作后的结果为什么能够检测垂直边缘，是否有一个可视化的结果呢？

对于问题一，卷积操作其实是过滤器在原图像上进行元素乘法（element-wise products）运算，然后累加得到一个值，举例如下，我们要得到卷积操作输出矩阵的第一个值，我们可以这样做、3+1+2+0+0 +0+(-1)+(-8) +(-2)=-5

 

当然我觉得一图胜前言，图来自机器之心回答：

 

于是我们可以通过卷积操作得到最后的4*4矩阵结果：

 

 

对于问题二：卷积操作后的结果为什么能够检测垂直边缘，是否有一个可视化的结果呢？我们将卷积后的结果对应的图像可视化后如下：

 

 

如果把最右边的矩阵当成图像，它是这个样子。在中间有段亮一点的区域，对应检查到这个6×6图像中间的垂直边缘。

这里检测到的边缘太粗了。因为在这个例子中，图片太小了。如果你用一个1000×1000的图像，而不是6×6的图片，你会发现其会很好地检测出图像中的垂直边缘。

在这个例子中，在输出图像中间的亮处，表示在图像中间有一个特别明显的垂直边缘。从垂直边缘检测中可以得到的启发是，因为我们使用3×3的矩阵（过滤器），所以垂直边缘是一个3×3的区域，左边是明亮的像素，中间的并不需要考虑，右边是深色像素。在这个6×6图像的中间部分，明亮的像素在左边，深色的像素在右边，就被视为一个垂直边缘，卷积运算提供了一个方便的方法来发现图像中的垂直边缘。

本节中我们已经了解卷积是怎么工作的，在下一个视频中，我们将会看到如何使用卷积运算作为卷积神经网络的基本模块的。

参考：

https://github.com/fengdu78/deeplearning_ai_books/blob/master/markdown/lesson4-week1.md