总结:
卷积后得到的特征图的通道数和卷积核的个数有关。
卷积后得到的特征图寸和卷积核的大小、步长和填充有关。
计算机中彩色图片的表示?
以最常用的rgb图片为例,其在计算机中是以一个三维数组的形式存储的,其大小可以表示为32*32*3,其中32*32表示像素,3代表通道数。
卷积究竟是一个怎样的过程?
假设我们的输入是7*7*3的图像,其中3表示R G B 3个颜色通道,W0和W1表示两个3*3*3大小的卷积核,分别与原始图像进行卷积操作,得到两个特征图。
三维的表示:
卷积核的通道数要和原始的图像相同
只做一次卷积就可以了吗?
假设我们原始输入图像的大小是32*32*3,经过6个5*5*3的卷积核得到28*28*6大小的特征图,然后再经过10个5*5*6大小的卷积核得到24*24*10大小的特征图。
卷积过程中涉及到的参数:
卷积结果的计算:
深度可分离卷积:
常规卷积操作:
假设我们原始输入图像的大小是5*5*3,经过4个3*3*3的卷积核得到4个3*3大小的特征图,也可以说得到了3*3*4大小的特征图。
逐通道卷积:
假设我们原始输入图像的大小是5*5*3,经过3个3*3的卷积核得到3个3*3大小的特征图,也可以说得到了3*3*3大小的特征图。
逐点卷积:
假设我们原始输入图像的大小是5*5*3
卷积核的尺寸为 1×1×3,3为上一层的通道数。
假设有4个卷积核
最后得到了4张特征图
神经网络通道提取 神经网络通道数
转载本文章为转载内容,我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题,欢迎原作者联系我们进行内容更正或删除文章。
提问和评论都可以,用心的回复会被更多人看到
评论
发布评论
相关文章