CNN学习笔记:卷积和卷积核的作用
卷积:
根据离散二维卷积公式,有:
但在图像处理的计算中,一般将卷积核翻转后再计算,可以直接看成是对位相乘。
卷积核的作用:滤波/特征提取
假设有一个卷积核如下图所示:
我们可以看到小鼠各部分和它做卷积的结果。图形越相似,所得结果也就越大。
由此可以看出卷积的作用,即在于滤波,或特征提取。所以CNN的核心所在也就是找到这个卷积核kernal.
也就是神经网络中的核心公式:y=wx+b
根据离散二维卷积公式,有:
但在图像处理的计算中,一般将卷积核翻转后再计算,可以直接看成是对位相乘。
假设有一个卷积核如下图所示:
我们可以看到小鼠各部分和它做卷积的结果。图形越相似,所得结果也就越大。
由此可以看出卷积的作用,即在于滤波,或特征提取。所以CNN的核心所在也就是找到这个卷积核kernal.
也就是神经网络中的核心公式:y=wx+b