CNN中的卷积的意义

CNN中的卷积的意义，我认为卷积具有这样的意义：

无论是一维还是二维还是几维，卷积是一种可以筛选出和过滤器结构相匹配的内容的方式。

以一维为例，假设有一组序列，大体稳定在一个区间，没有相差特别大的。假设过滤器为2 3 1 5，如果检测到序列片段为4 6 2 10，这时卷积和就会很大。

这样做的原理是，序列片段可以看作一个n维向量，在序列片段模长相同的情况下，只有当序列片段和过滤器成正比时（两个向量方向相同），其卷积和最大。

一维是如此，二维也是如此，目前的图像处理卷积神经网络就是利用了这种性质，快速检测出匹配的图像区域。

CNN中的卷积的意义相关推荐

CNN中的卷积操作与参数共享
文章目录 (一)局部连接与卷积 1.1图像的局部相关什么是卷积? 1.3 不同的卷积核(filter) (二)CNN中的参数共享 2.1 图像底层特征的位置无关性 2.2 示例(一维向量) (三)参 ...
Winograd，GEMM算法综述（CNN中高效卷积实现）（上）
高效卷积实现算法和应用综述(上) 在下一篇文章会介绍Winograd算法的应用,在ICLR,CVPR,FPGA,FCCM等机器学习和FPGA领域的定会上的 ...
【AI-1000问】为什么CNN中的卷积核半径都是奇数？
往期视频(前往公众号有三AI观看) 为什么CNN中的卷积核一般都是奇数*奇数? 熟悉CNN应该都知道常见的卷积核都是3*3或者5*5等,也就是奇数*奇数,似乎都没看过偶数的,这是为什么呢? 作者/编辑 ...
CNN中的卷积操作与权值共享
CNN中非常有特点的地方就在于它的局部连接和权值共享,通过卷积操作实现局部连接,这个局部区域的大小就是滤波器filter,避免了全连接中参数过多造成无法计算的情况,再通过参数共享来缩减实际参数的数量, ...
cnn stride and padding_彻底搞懂CNN中的卷积和反卷积
前言卷积和反卷积在CNN中经常被用到,想要彻底搞懂并不是那么容易.本文主要分三个部分来讲解卷积和反卷积,分别包括概念.工作过程.代码示例,其中代码实践部分主结合TensorFlow框架来进行实践.给 ...
卷积神经网络CNN中1×1卷积作用理解
0.引言研究 GoogLeNet 和 VGG 神经网络结构的时候,都看见了它们在某些层有采取 1x1 作为卷积核,在最开始看到的AlexNet中都是出现了卷积核是 3x3和5×5的.那么,1x1 的 ...
CNN中的卷积的作用及原理通俗理解
文章目录一.卷积有什么用? 二.卷积是怎么提取特征的? 一.卷积有什么用? 卷积作用是为了进行特征提取因为输入的信息中可能只有一小部分是对我们解决问题有帮助的,这些信息比较关键,这时候只提取这部分 ...
Winograd，GEMM算法综述（CNN中高效卷积实现）（下）
CNN高效卷积实现算法和应用综述(下) 论文分析 1. Fast Algorithms for Convolutional Neural Networks 分析的第一篇文 ...
CNN中各类卷积总结：残差、shuffle、空洞卷积、变形卷积核、可分离卷积等
CNN从2012年的AlexNet发展至今,科学家们发明出各种各样的CNN模型,一个比一个深,一个比一个准确,一个比一个轻量.我下面会对近几年一些具有变革性的工作进行简单盘点,从这些充满革新性的工作中 ...

CNN中的卷积的意义

CNN中的卷积的意义相关推荐

最新文章

热门文章