【计算机视觉基础】卷积

卷积是什么?

卷积怎么操作的?

为什么会形成特征提取?

1*1卷积核为什么可以整理通道数?

这篇文章将会解决这些问题------

1 卷积是什么?

提取特征需要两个矩阵,一张是原图,一个是卷积核。卷积就是代表卷积核的矩阵点乘表示图像的矩阵的过程,局部点乘,求和得到特征值。

2 卷积怎么操作的?

圈1表示一张rgb图片,经过四个卷积核卷积后得到四张特征图,共同组成一个新的特征图。

圈2表示另一张图(方便理解)

3 为什么会形成特征提取?

这部分这位老师讲的非常清晰明了https://www.bilibili.com/video/BV1cL4y1F7Ss?spm_id_from=333.788.videopod.sections\&vd_source=98026f4382fb1617a0f9a68127377cbb

简单来说就是一个卷积层中包含多个卷积核,每个卷积核都用来识别不同的特征,得到一个特征值,如果最后得到的特征值一样就说明它提取到的信息是一类,或者说它卷积的那块区域是这个目标对象。

4 1*1卷积核为什么可以整理通道数?

如下图所示。

优点:
通道压缩与扩展 :1x1卷积可以调整特征图的通道数,即可以通过过滤器的数量来减少或增加特征图的通道。这使得网络能够学习如何从多个通道中提取相关信息。
特征融合 :通过使用1x1卷积,网络能够对同一空间位置的多个通道之间进行加权求和,从而实现特征融合。这样不仅可以捕捉不同通道之间的关系,还可以通过加权组合得到更有判别力的特征。
非线性变换 :在1x1卷积后,可以应用非线性激活函数(如ReLU),这使得网络能够学习到更加复杂的通道间关系而不仅仅是线性组合。
效率:相较于更大的卷积核,1x1卷积计算效率高,因为它只在通道维度上进行卷积,减少了计算量,但依然保留了重要的通道信息。

在深度学习中的角色:1x1卷积在诸如Inception模块和残差网络中的应用,进一步展示了它对捕捉通道相关性的重要性。这些模块中,1x1卷积起到了桥梁的作用,使得不同的卷积层能有效地组合特征。

5 案例

两个3*3卷积核对两个rgb图像是怎么提取特征的

相关推荐
CoovallyAIHub几秒前
Transformer作者开源进化计算新框架,样本效率暴增数十倍!
深度学习·算法·计算机视觉
yunyun18863587 分钟前
AI - 自然语言处理(NLP) - part 2 - 词向量
人工智能·自然语言处理
热心不起来的市民小周32 分钟前
基于 RoBERTa + 多策略优化的中文商品名细粒度分类
人工智能·分类·数据挖掘
却道天凉_好个秋1 小时前
OpenCV(三):保存文件
人工智能·opencv·计算机视觉
aneasystone本尊1 小时前
深入 Dify 应用的会话流程之流式处理
人工智能
深栈1 小时前
机器学习:决策树
人工智能·python·决策树·机器学习·sklearn
欧阳码农1 小时前
忍了一年多,我做了一个工具将文章一键发布到多个平台
前端·人工智能·后端
IT_陈寒1 小时前
Python性能优化:5个让你的代码提速300%的NumPy高级技巧
前端·人工智能·后端
飞哥数智坊1 小时前
AI 写代码总跑偏?试试费曼学习法:让它先复述一遍!
人工智能·ai编程
东坡肘子2 小时前
Sora 2:好模型,但未必是好生意 | 肘子的 Swift 周报 #0105
人工智能·swiftui·swift