卷积是图像处理常用的方法,给定输入图像,在输出图像中每一个像素是输入图像中一个小区域中像素的加权平均,其中权值由一个函数定义,这个函数称为卷积核,比如说卷积公式:R(u,v)=∑∑G(u-i,v-j)f(i,j) ,其中f为输入,G为卷积核。
卷积是卷积神经网络中的核心模块,卷积的目的是提取输入图像的特征。 卷积也称为过滤器,即Filter,卷积的计算方法是在滤波器和输入数据的部区域间做点积。 卷积核中的数字其实就是卷积的权重,刚开始初始化一个值,然后再通过不断的学习和反向传播进行更新。
卷积的魔力在于其公式背后的计算法则:每个位置的输入与卷积核值相乘,然后求和,形成特征映射矩阵。 当卷积核在图像上滑动时,参数i保不变或j不变,进行加权求和,这就是平移的奥秘。
卷积层在神经网络中的运算 了解完单个卷积是如何计算的之后,我们就可以从神经网络的角度来看‘卷积层’的运算过程了。