【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
paixiaoxin11 分钟前
CV-OCR经典论文解读|An Empirical Study of Scaling Law for OCR/OCR 缩放定律的实证研究
人工智能·深度学习·机器学习·生成对抗网络·计算机视觉·ocr·.net
OpenCSG32 分钟前
CSGHub开源版本v1.2.0更新
人工智能
weixin_5152024932 分钟前
第R3周:RNN-心脏病预测
人工智能·rnn·深度学习
Altair澳汰尔35 分钟前
数据分析和AI丨知识图谱,AI革命中数据集成和模型构建的关键推动者
人工智能·算法·机器学习·数据分析·知识图谱
机器之心1 小时前
图学习新突破:一个统一框架连接空域和频域
人工智能·后端
AI视觉网奇1 小时前
人脸生成3d模型 Era3D
人工智能·计算机视觉
call me by ur name1 小时前
VLM--CLIP作分类任务的损失函数
人工智能·机器学习·分类
编码小哥1 小时前
opencv中的色彩空间
opencv·计算机视觉
吃个糖糖1 小时前
34 Opencv 自定义角点检测
人工智能·opencv·计算机视觉
禁默1 小时前
2024年图像处理、多媒体技术与机器学习
图像处理·人工智能·microsoft