赞
踩
以RGB图像为例。
一个12*12的像素图,对其进行5*5的卷积,最后得到一个8*8【计算过程:(12-5)/1+1=8】的像素图。
RGB图像有3个通道(12*12*3),所以卷积核也要有3个通道(5*5*3),对像素图进行卷积后得到的结果是8*8*1而不是8*8*3的图像。最后像素图的深度(输出图像的信道数)取决于卷积核的个数。
如果要得到8*8*256的结果,应该这样做:用256个5*5*3的卷积核来卷12*12*3的像素图。最后得到的结果进行堆叠就是8*8*256的图像。(256个5*5*3的卷积核可以想象成它的输入信道数为3,而输出信道数为256,两者互不影响。)
注:通道数就是使用的卷积核的个数。就像上面解释的一样,假如输入的图是RGB3通道的,如果我们只卷积一次,就只会输出一个值,由于输入图片是 3 通道的,输出通道反而减少了,为了保留特征,会进行多次卷积操作,比如进行 256 次卷积操作就可以得到一个 256 通道的输出了,然后输出的通道数就叫做feature map。
附卷积、池化操作的计算公式:
假设输入维度为 H1×W1×C1,输出为 H2×W2×C2,则有
H2 = (H1-F+2P)/ S+1
W2 = (W1-F+2P)/ S+1
C2 = k
这里 F:filter大小;P:边界填充,为0或1;S:步长;k:filter个数。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。