zoukankan      html  css  js  c++  java
  • 对于机器学习中多通道卷积经常理解不太精确,这里有篇讲的不错的

    http://blog.csdn.net/zy1034092330/article/details/62044941

    2.1 多通道图像卷积基础知识介绍

    缩进在介绍RPN前,还要多解释几句基础知识,已经懂的看官老爷跳过就好。
    1. 对于单通道图像+单卷积核做卷积,第一章中的图3已经展示了;
    2. 对于多通道图像+多卷积核做卷积,计算方式如下:
    图5 多通道+多卷积核做卷积示意图(摘自Theano教程)
    缩进如图5,输入图像layer m-1有4个通道,同时有2个卷积核w1和w2。对于卷积核w1,先在输入图像4个通道分别作卷积,再将4个通道结果加起来得到w1的卷积输出;卷积核w2类似。所以对于某个卷积层,无论输入图像有多少个通道,输出图像通道数总是等于卷积核数量!
    缩进对多通道图像做1x1卷积,其实就是将输入图像于每个通道乘以卷积系数后加在一起,即相当于把原图像中本来各个独立的通道“联通”在了一起。
  • 相关阅读:
    keepalived的一些。。
    virtualbox复制了以后网卡启动不了。
    mysql安装之后需要调的参数
    mysql5.6 thread pool
    $releasever 不正确解析
    linux 被入侵后扫尾工作
    简单启动脚本编写
    tcmalloc安装
    rsyslog及loganalyzer
    nsswitch & pam
  • 原文地址:https://www.cnblogs.com/YouXiangLiThon/p/7661096.html
Copyright © 2011-2022 走看看