专栏首页从流域到海域为什么要使用卷积

为什么要使用卷积

整理并翻译自吴恩达深度学习系列视频:卷积神经网络1.11。

为什么要使用卷积

假设你有32X32X3的图像,一共3072个特征点,卷积成28X28X6的图像,一共4704个特征点。如果使用传统的网络,你需要3072*4704 ≈\approx≈ 14M个参数。

32X32X3的图像已经是很小的图像了,如果你是1000*1000,参数可能多到使得计算举步维艰。

卷积的优点

  • 参数共享:一个特征检测器(比如垂直边检测器)在图像的一部分是有用的,也会在另一部分是有用的。
  • 稀疏连接:在每一层,每一个输出值仅依赖小数目的输入。

关于参数共享,更具体地说,你在整幅图像的所有位置上使用的都是同一个filter,即共享了filter的参数。 关于稀疏连接,卷积操作使用了输入的一小部分(等于filter大小的那部分)进行计算,得到一个值作为输出图像的一个点。这就是稀疏连接的含义。

参数共享的目的是,使网络自动地学习一个更健壮的,更好的捕捉到我们期望的拥有平移不变形的。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Python 列表生成式(List Comprehensions)

    列表生成式(List Comprehensions),顾名思义,即为生成列表的表达式。列表生成式是Python内置的高级特性,简单却功能强大,充分体现了Pyt...

    Steve Wang
  • Padding\Valid convolutions\Same convolutions

    在对一张6X6图片进行卷积后,它变成了一张4X4的图片。直接卷积有以下2个缺点:

    Steve Wang
  • Stride Convolution

    如上图,stride=2,filter的左边框从2移动到7,2个格子的长度,垂直移动的时候也要2个格子。

    Steve Wang
  • AlexNet论文阅读

    摘要主要介绍了其神经网络的结构——5个卷积层(每个卷积层($convolutional\ layers$)后面都跟有池化层($max-pooling\ lay...

    mathor
  • 非科班出身,我是如何自己摸索研究卷积神经网络体系结构的

    虽然很不愿意提起这件伤心事,但国庆假期确实结束了?。在这说长不长说短也不算短的7天里,不知道大家有没有吃好喝好玩好pia学好呢?

    用户1737318
  • 卷积神经网络工作原理直观的解释

    朱晓霞
  • 机器视角:长文揭秘图像处理和卷积神经网络架构

    选自 Analyticsvidhya 机器之心编译 作者:DISHASHREE GUPTA 近日,Dishashree Gupta 在 Analyticsvid...

    机器之心
  • 卷积网络基础知识---Depthwise Convolution && Pointwise Convolution && Separable Convolution

    https://yinguobing.com/separable-convolution/#fn2

    用户1148525
  • 卷积网络基础知识---Group Convolution分组卷积

    Group Convolution分组卷积,以及Depthwise Convolution和Global Depthwise Convolution

    用户1148525
  • 【开源方案共享】ORB-SLAM3开源啦!

    标题:ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Mu...

    点云PCL博主

扫码关注云+社区

领取腾讯云代金券