卷积神经网络(3.卷积神经网络种类)

20 阅读1分钟

开启掘金成长之旅!这是我参与「掘金日新计划 · 12 月更文挑战」的第二十三天,点击查看活动详情

总结:此文为12月更文计划第二十三天第三十八篇。

具体我们看下如何做卷积,其实是一个把卷积核和它相对应部分做乘法,然后再 求和

图卷积核重合区域内相对应的每一个像素值乘卷积核 、内相对应点的权重,然后求和,再 加上偏置后,最后得到输出图片中的一个像素值。

image.png

卷积核为:

image.png

输出的结果为:

image.png

还有一个就是步长,就是滑动的大小,刚才我们默认步长为 1

步长也是一个超参数,可以变为2:

image.png

步长变大,输出变小,那最后导致图像没了,比如大小是 50,每一层都减少 2,那最后就没了,那有没有操作让大小保持不变呢,采用如下 padding 手法即可 输出图像尺寸 1+(n-k)//s( s 是步长)

为了使输出的图像大小不变,可以在外围增添一圈0来进行卷积:

image.png

多通道卷积

上面的卷积都是单通道的,多通道,比如 rgb 三色,我们相当于有一个厚度,分别去处 理,然后再加起来,最后就变为 1 层了

那三通道的特征,我们变为 1 通道是否合理,当然不合理,这里我们可以通过多个卷积核, 这样我们 1 个卷积核可以抽取一个通道特征,我们 6 个卷积核,就可以抽取 6 个不同的通 道特征

image.png

多通道卷积

image.png