卷积的通俗理解 如何理解卷积，另外如何理解图像处理中的卷积？

如何理解卷积，另外如何理解图像处理中的卷积？

卷积运算可分为求逆、平移、乘法和求和。在图像处理中，图像是一个大矩阵，卷积模板是一个小矩阵。根据上述过程，首先将小矩阵求逆，然后将其移动到某个位置。小矩阵的每个小格对应于大矩阵中的一个小格。然后将对应小格中的数相乘，将所有对应小格的乘法结果相加。最后将结果赋给小矩阵中心小格对应的图像中小格的值，代替原始值。这就是我们要说的，倒置，平移，乘法，求和。一般的图像卷积是从第一个像素（小格子）遍历到最后一个像素（小格子）。经过平滑、模糊、锐化后的边缘提取本质上都是卷积的，但模板是不同的。

如何理解卷积神经网络里卷积过滤器的深度问题？

我们通常看到的卷积滤波器原理图是这样的：

这实际上是卷积滤波器的“展平”或“展平”。例如，上图中的粉红色卷积滤波器是3x3x3，即长3，宽3，深3。然而，在图中，它是在两个维度中绘制的-深度被省略。

.由于卷积滤波器的深度与输入图像的深度相同，所以原理图中没有绘制深度。如果同时绘制深度，效果如下：

（图片来源：mlnotebook）

如上所述，卷积滤波器的深度与输入图像的深度相同，即3。

顺便说一下，输入图像深度是3，因为输入图像是彩色图像，深度是3，分别是R、G和b值。

（图片来源：mlnotebook）

总之，卷积滤波器的深度应该与输入数据的深度一致。

如何理解卷积神经网络中的卷积和池化？

让我们谈谈我们的理解。

池：用最大值或平均值替换大量数据。目的是减少数据量。

卷积：通过卷积内核将数据转换为特征，便于以后分离。计算方法与信号系统相同。

卷积的通俗理解 卷积的含义 卷积什么意思

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。