1.前言
我们知道,卷积核(也叫滤波器矩阵)在卷积神经网络中具有非常重要的作用。说白了,CNN主要作用在于提取图像的各种特征图(feature maps).
CNN主要是通过卷积运算来完成特征提取的。图像卷积运算,主要是通过设定各种特征提取滤波器矩阵(卷积核,通常设定大小为3x3,或者5x5的矩阵),然后使用该卷积核在原图像矩阵(图像实际是像素值构成的矩阵)‘滑动’,实现卷积运算。如果对卷积运算还不太明白的,可以去看吴恩达的课程,他已经介绍的很详细了。本文重点在于,使用python来实现卷积运算,让大家可以看到实际的卷积运算结果,从而对CNN提取特征有比较直观的认识,进而更好地去理解基于卷积神经网络的图像识别,目标检测等深度学习算法。
在这里插入图片描述
2.自定义卷积核,用numpy完成图像卷积运算,生成对应特征图:
"""
@Project Name: CNN featuremap
@Author: LZP
@Time: 2021-02-02, 16:09
@Python Version: python3.6
@Coding Scheme: utf-8
@Interpreter Name: JupyterNotebook
"""
import numpy as np
import cv2
from matplotlib imp