,一,神經網絡中的卷積運算,需要哪些東西?
一般主要包括兩種:
1),輸入層,比如圖片處理,輸入就是將二維或三維圖片轉化成的矩陣形式
如右圖:
對於圖像處理,我們一般是選擇局部的,比如處理尾部上面的一塊曲線
我們用紅色框標註,其對應的矩陣假設爲:
2),卷積核,卷積層主要是提取特徵的關鍵,因爲它是你需要的特徵的過濾器;
上圖中,老鼠尾巴,就是我們要提取的特徵,那麼我們的卷積核應該設爲:
二,有了上面的東西,那麼怎麼提取出來呢
我們將卷積核作用於圖片,直接進行卷積運算,我們發現對於識別的特徵計算出來的值非常大;
對於上面的卷積:(50*30)+(50*30)+(50*30)+(20*30)+(50*30)=6600;
對於不能識別的特徵,計算的值非常小,如下:
對於不能識別de的特徵,曲線的卷積核與其卷積後的到de的值爲0;
綜上所述,我們提取圖片特徵的關鍵是設計合理的卷積核,做完卷積後,我們再經過池化,就可以得到相應的值;