pytorch卷积神经网络-卷积的定义(下)

为更好地理解卷积层,以两张图片对比所示:

左侧若采用全连接方式进行学习,则参数量很大。而右侧只提取局部特征(对应点的周边的一些属性)进行学习,可以极大地减少参数量。

我们将这种相乘并累加的操作叫为卷积操作。

这种卷积操作在信号处理中是有明确定义的,

这种卷积操作在图像处理领域中有诸多应用,

Sharpen(锐化操作)

用5*5的核进行卷积计算

这样生成的feature map的size与原图一样,戴氏特征更加突出

相应的也可以进行模糊处理

Blur(模糊处理)

模糊处理即取周围点进行相乘累加。

另外还有边缘检测

Edge Detect(边缘检测)

那么经过了卷积运算后,生成的feature map为

每次扫描使用不同的核,会得到不同的feature map。

本文分享自微信公众号 - python pytorch AI机器学习实践(gh_a7878fd5de90)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-11-16

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。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励