深度学习 – 卷积神经网络:卷积层

每个卷积过滤器都表示一个特征。

卷积有4步:

  • 将特征和图像对齐
  • 将每个图像像素乘以相应的特征像素
  • 把这些值相加求和
  • 将总和除以特征中的像素总数

图

上图完成了前2个步骤,将特征和图像对齐,将每个图像像素乘以相应的特征像素,乘积保存在另一个缓冲区中。

图

上图完成了第2个像素的前2个步骤操作。

图

上图完成了后2个步骤。将图像像素与相应的特征像素的乘积相加再除以特征中的像素总数。完成后,得到的最终值放在滤波后的图像中心,如下图所示:

图

现在,我们移动这个过滤器,对图像中的任意像素做同样的操作。为了更清楚,让我们考虑另一个例子:

图

如上所示,在执行4步操作之后,得到的值为0.55。如前所述,我们将这个值放到图像中。如下图所示:

图

类似地,我们将这个特征移动到图像中的其他位置,查看这个特征如何匹配该区域。这样做之后,我们将得到最终的输出为:

图

这就是该特征与图像的卷积。

上面,我们只考虑了一个过滤器/特征。类似地,我们将对其他过滤器/特征执行相同的操作,来得到那个过滤器与这个图像的卷积。

最终得到的卷积结果中,如果图像中的对应位置与该特征匹配,得到的值将会变大,反之就会比较小。表明图像中的特征被提取了。



浙ICP备17015664号 浙公网安备 33011002012336号 联系我们 网站地图  
@2019 qikegu.com 版权所有,禁止转载