对于卷积的粗浅理解
Posted WFForstar
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了对于卷积的粗浅理解相关的知识,希望对你有一定的参考价值。
1 . 简述
在复变函数这门课的时候,第一次看到卷积(convolution)这个词,一听就觉得很高级,记住公式会用这个公式就这么过去了。然后在深度学习中再次看到了这个概念,也经常使用它进行图像处理,觉得得稍微研究这个概念,就有了这篇blog。
2 . 数学解释
这是教科书上对convolution的解释,是不是看的糊里糊涂的,就看出来是一个从负无穷到正无穷的积分。
但我们可以这么想,卷积也是一种数学运算,而能被定义成一个数学运算的,首先它得是抽象与符号化的,其次它得在生活生产中有着广泛的应用。
其实当一个系统输入不稳定但是输出稳定的时候,我们可以用卷积来求其系统存量。
3 . 通俗解释
举个栗子
从前有个人叫小明,他非常能吃,几乎每时每刻都在吃,所以他的实物摄取量如下图曲线所示
可以明显看出小明很能吃,且每时每刻进食的数量都在变。
下图表示小明的消化速度
食物剩余比例也是个曲线
接下来我们随便找个点,进行分析,比如求解16点胃中剩余的食物是多少。
我们先用离散的思想来看,如果小明在10点喝了杯豆浆,12点吃了个面包,14点吃了块巧克力,那么他在16点胃中的食物剩余量为
f(10)g(16-10)+f(12)g(16-12)+f(14)g(16-14)
这很好理解吧。
但实际上呢,小明是每时每刻都在吃东西的,所以应该是个积分,而不简简单单是个求和,所以应该是(dbq真的不会打积分上下限)
对比一下上面剑桥大学给的公式,是不是差不多,就有一点小小的不一样,就是x-t和t-x的区别
诶,这个就和卷积名字有关
你看,这不就是卷起来了嘛
那这就是卷积计算了。
4 . 图像处理
要说卷积运算最多的运用,就是图像处理了吧。
直观看来就是下图
但是这么看总觉得拧着,因为f()和g()并不是直接对应的关系,于是把g()函数旋转180度,如下图
这样就是完全一一对应的关系,这个3*3的矩阵也可以称之为卷积核了。
以上是关于对于卷积的粗浅理解的主要内容,如果未能解决你的问题,请参考以下文章