标签:吴恩达 卷积 步长 像素 神经网络 过滤器 4x4 图片
一、垂直边缘检测
1、图片如果是黑白的就是像素*像素*1,如果是彩色的就是像素*像素*3【后面数字是维度】3表示RGB
对图片进行卷积运算
如图所示,6x6的图片*3x3的图片=4x4的图片,计算过程如下图:
4x4每个元素的计算是把3x3的矩阵一行一行的覆盖在6x6的矩阵上,大图片每一列的元素乘以小图片的每一列然后相加得到
4x4图片的每个元素,中间的图片称谓过滤器。
在Python中,卷积用表示conv_forward()函数,在TensorFlow中,卷积用tf.nn.conv2d
二、水平检测
水平检测就是把垂直检测的过滤器翻转90°,
1 | 1 | 1 |
0 | 0 | 0 |
-1 | -1 | -1 |
任何一张n x n的图片通过f x f的过滤器,会得到(n-f+1)x(n-f+1)的输出图像
二、过滤器的缺点
一个n x n的图片经过f x f的过滤器输出就会缩小变成(n-f+1)x(n-f+1)的输出,这样不好。所以应该在原来图像上填充新的像素使输入输出一样,填充的p=(f-1)/2。所以这就要求过滤器一般是奇数X奇数。
三、步长的设置
如果步长stride设置为2,则输出图像为{[(n+2p-f)/s]+1}x{[(n+2p-f)/s]+1} s表示步长,如果除不尽,就用向下取整的方法,过滤器一定要全部在图片上。
标签:吴恩达,卷积,步长,像素,神经网络,过滤器,4x4,图片
来源: https://blog.51cto.com/u_15242250/2842428
本站声明:
1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。