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 11:22Jeffrey贊同數：1不贊同數：0留言數：0