吴恩达《卷积神经网络》

一、垂直边缘检测

1、图片如果是黑白的就是像素*像素*1，如果是彩色的就是像素*像素*3【后面数字是维度】3表示RGB

对图片进行卷积运算

如图所示，6x6的图片*3x3的图片=4x4的图片，计算过程如下图：

4x4每个元素的计算是把3x3的矩阵一行一行的覆盖在6x6的矩阵上，大图片每一列的元素乘以小图片的每一列然后相加得到

4x4图片的每个元素，中间的图片称谓过滤器。

在Python中，卷积用表示conv_forward()函数，在TensorFlow中，卷积用tf.nn.conv2d

二、水平检测

水平检测就是把垂直检测的过滤器翻转90°，

1	1	1
0	0	0
-1	-1	-1

任何一张n x n的图片通过f x f的过滤器，会得到（n-f+1）x(n-f+1)的输出图像

二、过滤器的缺点

一个n x n的图片经过f x f的过滤器输出就会缩小变成（n-f+1）x(n-f+1)的输出，这样不好。所以应该在原来图像上填充新的像素使输入输出一样，填充的p=（f-1）/2。所以这就要求过滤器一般是奇数X奇数。

三、步长的设置

如果步长stride设置为2，则输出图像为{[（n+2p-f）/s]+1}x{[（n+2p-f）/s]+1}   s表示步长，如果除不尽，就用向下取整的方法，过滤器一定要全部在图片上。