深度学习卷积的本质

要搞懂卷积的本质,得从以下几个方面理解。
卷积的数学意义:卷积为相乘再求和,其实质为积分运算的离散实现,卷积核为大小为积分区间。
函数的表现形式:函数可以为表达式,例如:y=a*x+b,也可以为表格,深度学习中,卷积核为积分函数,输入为积分变量。
对图像或者特征图进行卷积的意义:先说输入通道为1输出通道都为n的情况,就是拿n个函数(长宽为a,b的卷积核),对输入
的两个维度(x轴和y轴)的每一点(xt和yt)在区间(xt, xt+a)和区间(yt, yt+b)以卷积核
为函数进行积分。如果输入通道不为1.那就是三元积分。

深度学习网络的图像卷积的完整数学过程:对输入图像的特定区间(卷积核的大小)用不同函数(卷积核)积分,积分值作为输出,经过激活函数变换,得到特征图,然后又用不同的函数进行积分,重复此过程。
为什么对图像进行积分,激活,再积分,循环往复,就能得到我们想要的输出值,这就需要探讨数学的物理意义了。本人水平有限,暂时不懂
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章