1.邊緣檢測的缺點
6*6矩陣與3*3矩陣卷積,得到4*4矩陣。普遍規律是 n*n 卷積 f*f 得到 n-f+1 * n-f+1。
但是存在兩個缺點:
1.卷積後的矩陣越變越小(如果卷積層100層,每一層都縮小最終得到的將是很小的圖片)
2.輸入矩陣(左)邊緣像素(綠陰影)只被計算過一次,而中間像素(紅陰影)被卷積計算多次,意味着丟失圖像角落信息。
爲了解決這兩個問題,就對輸入圖像進行padding,即填充像素
2.利用padding解決上述缺點
eg1:
上圖將輸入圖像矩陣周圍填充一層像素(通常填充元素爲0)填充數量p=1,輸出圖像大小變爲n+2p-f+1 * n+2p-f+1,6*6——>8*8,卷積輸出爲6*6,與原輸入圖像大小相同,解決了卷積會使圖片變小的缺點。(當然也可以填充兩層);輸出矩陣綠色陰影塊是受輸入矩陣綠色陰影值影響的部分,削弱了邊緣信息丟失的缺點。
3.valid和same兩種卷積方法
valid卷積:不填充
same卷積:填充後(p),輸入(n*n)輸出(n+2p-f+1 * n+2p-f+1)大小相同:
,即f爲奇數時,填充數量p根據上式計算。
通常計算機視覺使用的濾波器矩陣f都是奇數。(可能是由於奇數f使p填充時對稱;奇數f使濾波器矩陣有中心像素點,計算機視覺中方便指出濾波矩陣位置)