边缘检测Paddingstride三维卷积多个过滤器

Posted 劳埃德·福杰

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了边缘检测Paddingstride三维卷积多个过滤器相关的知识,希望对你有一定的参考价值。

目录

1.边缘检测(edge detection)

当我们做物体识别的时候,一般神经网络的前几层会进行边缘检测,然后检测到物体的一部分,最后检测到整个物体。

边缘检测例子

垂直边缘检测器:中间的一个3x3的矩阵,我们称之为过滤器(filter)或(kernel)。*号表示卷积操作

其它垂直边缘检测的过滤器:

scharr filter:

sobel filter:

也可以通过神经网络的反向传播去学习过滤器的取值。

2.Padding

padding是一个基本的卷积操作(convolutional operation)。

常规的卷积操作有两个缺点:①图像经过卷积后会缩小。②丢掉了很多图像边缘的信息。

所以要进行填充(padding),比如如下图,输入的6x6矩阵,扩充一层,成了8x8矩阵,卷积后输出还是6x6矩阵。

进行padding的时候,有两种选择:Valid convolutionsSame convolutions。前者表示不填充,后者表示填充,并且让输出大小和输入大小一样。

卷积操作的矩阵维度变化:nxn * fxf = n-f+1

Same convolutions操作:n+2p-f+1=n,p=(f-1)/2,表示填充的层数。

过滤器的维度通常是奇数:f为偶数的话,只能使用不对称填充。此外,f为奇数,过滤器能有一个中心像素点,便于指出过滤器的位置。

3.stride步幅

stride指卷积操作中移动的步幅,stride=2的操作如下图。

4.三维卷积

5.多个过滤器(multiple filters)

假设有两个过滤器,一个是垂直边缘检测器,一个是水平边缘检测器,输入就是4x4x2的矩阵

以上是关于边缘检测Paddingstride三维卷积多个过滤器的主要内容,如果未能解决你的问题,请参考以下文章

边缘检测Paddingstride三维卷积

第十二节,卷积神经网络

卷积神经网络

带有卷积的垂直边缘检测,使用 Swift 给出透明图像

68一维和三维卷积

DeepLearning.ai学习笔记卷积神经网络 -- week1 卷积神经网络基础知识介绍