logo
Loading...

卷積Convolution的運作原理 - Cupoy

我已經學到後面的天數了,只是一直對卷積有些疑問1. Day8的convolution和深度學習卷積計...

cvdl-1,cvdl-1-d11

卷積Convolution的運作原理

2019/12/27 上午 08:50
電腦視覺深度學習討論版
JJLai
觀看數:31
回答數:2
收藏數:2
cvdl-1
cvdl-1-d11

我已經學到後面的天數了,只是一直對卷積有些疑問

1. Day8的convolution和深度學習卷積計算方式是否不同?第八天說明的convolution是說由右而左右下而上作Looping?


2. 卷積的filters是有個filter庫嗎?還是隨機產生?若是隨機產生16個filters是否有可能重覆?


3. 看到某些模式會把feature maps作contcatenate,它就是feature maps各位置像素相加吧?可是為什麼要相加,相加就能抓到較全面的特徵嗎?相加不會把各filter抓到的特徵給模糊掉嗎?


以上問題,再請各位專家老師指導,謝謝

回答列表

  • 2019/12/27 上午 10:39
    楊哲寧
    贊同數:1
    不贊同數:0
    留言數:1

    您好,以下依序回答:

    1.針對第一題,convolution這個詞的定義是卷積,但在不同地方對卷積的定義與使用方式可能不同,我們一般所說的CNN卷積都是一樣的原理,然而CV領域還有很多不同的卷積方式。

    2.這部分是隨機產生,或是都給0,都給1等等,就算一開始相同,最後學習更新後也會不同,不過當然是有機會學到重複的特徵,這部分就交給Back Propagation 自己去優化。

    3.相加的確有可能模糊,所以有時concatenate是更好的方式,然而計算量也會上升 ,算是一個tradeoff。

  • 2019/12/28 上午 11:22
    Jeffrey
    贊同數:1
    不贊同數:0
    留言數:0