資訊專欄INFORMATION COLUMN
摘要：一維卷積常用于序列模型，自然語言處理領域。三維卷積這里采用代數的方式對三維卷積進行介紹，具體思想與一維卷積二維卷積相同。
由于計算機視覺的大紅大紫，二維卷積的用處范圍最廣。因此本文首先介紹二維卷積，之后再介紹一維卷積與三維卷積的具體流程，并描述其各自的具體應用。
1、二維卷積
?? ? 圖中的輸入的數據維度為 14 × 14 ，過濾器大小為 5 × 5，二者做卷積，輸出的數據維度為 10 × 10（ 14 ? 5 + 1 = 10 ）。
?? ? 上述內容沒有引入channel的概念，也可以說channel的數量為1。如果將二維卷積中輸入的channel的數量變為3，即輸入的數據維度變為（14 × 14 × 3）。由于卷積操作中過濾器的 channel 數量必須與輸入數據的channel數量相同，過濾器大小也變為 5 × 5 × 3 。在卷積的過程中，過濾器與數據在 channel 方向分別卷積，之后將卷積后的數值相加，即執行 10 × 10 次3個數值相加的操作，最終輸出的數據維度為 10 × 10 。
?? ? 以上都是在過濾器數量為1的情況下所進行的討論。如果將過濾器的數量增加至16，即16個大小為10 × 10 × 3 的過濾器，最終輸出的數據維度就變為10 × 10 × 16 。可以理解為分別執行每個過濾器的卷積操作，最后將每個卷積的輸出在第三個維度（channel 維度）上進行拼接。
?? ? 二維卷積常用于計算機視覺、圖像處理領域。
2、一維卷積
?? ? 圖中的輸入的數據維度為8，過濾器的維度為5。與二維卷積類似，卷積后輸出的數據維度為8?5+1=48?5+1=4。
?? ? 如果過濾器數量仍為1，輸入數據的channel數量變為16，即輸入數據維度為 8 × 16 。這里channel的概念相當于自然語言處理中的embedding，而該輸入數據代表8個單詞，其中每個單詞的詞向量維度大小為16。在這種情況下，過濾器的維度由5變為 5 × 16 ，最終輸出的數據維度仍為 4 。
?? ? 如果過濾器數量為 n，那么輸出的數據維度就變為 4 × n。
?? ? 一維卷積常用于序列模型，自然語言處理領域。
3、三維卷積
這里采用代數的方式對三維卷積進行介紹，具體思想與一維卷積、二維卷積相同。
?? ? 假設輸入數據的大小為 a1 × a2 × a3，channel數為 c，過濾器大小為
f，即過濾器維度為 f × f × f × c（一般不寫 channel 的維度），過濾器數量為 n。
?? ? 基于上述情況，三維卷積最終的輸出為 ( a1 ? f + 1 ) × ( a2 ? f + 1 ) × ( a3 ? f + 1 ) × n 。該公式對于一維卷積、二維卷積仍然有效，只有去掉不相干的輸入數據維度就行。
?? ? 三維卷積常用于醫學領域（CT影響），視頻處理領域（檢測動作及人物行為）。
歡迎加入本站公開興趣群商業智能與數據分析群
興趣范圍包括各種讓數據產生價值的辦法，實際應用案例分享與討論，分析工具，ETL工具，數據倉庫，數據挖掘工具，報表系統等全方位知識
QQ群：81035754
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/4764.html
摘要：本論文將嘗試概述卷積網絡的架構，并解釋包含激活函數損失函數前向傳播和反向傳播的數學推導。本文試圖只考慮帶有梯度下降優化的典型卷積神經網絡架構的制定。 近日南洋理工大學研究者發布了一篇描述卷積網絡數學原理的論文，該論文從數學的角度闡述整個卷積網絡的運算與傳播過程。該論文對理解卷積網絡的數學本質非常有幫助，有助于讀者「徒手」（不使用卷積API）實現卷積網絡。論文地址：https://arxiv....
摘要：在圖像分析中，卷積神經網絡在時間和內存方面優于全連接網絡。這是為什么呢卷積神經網絡優于全連接網絡的優勢是什么呢卷積神經網絡是如何從全連接網絡中派生出來的呢卷積神經網絡這個術語又是從哪里而來這些問題在本文中一一為大家解答。 在圖像分析中，卷積神經網絡（Convolutional Neural Networks, CNN）在時間和內存方面優于全連接網絡（Full Connected, FC）。這...
摘要：卷積滿足交換操作，因此在一般的維空間輸入，自編碼可以被用來訓練解碼編碼。事實上，解碼卷積的超參數是由編碼框架確定的由于卷積跨越每個特征圖，并且產生具有的維度，因此經過濾波器之后產生相同的空間范圍。 作者：chen_h微信號 & QQ：862251340微信公眾號：coderpai簡書地址：https://www.jianshu.com/p/ec4... 這篇教程是翻譯Paolo Ga...
閱讀 999·2019-08-30 15:55
閱讀 3440·2019-08-30 13:10
閱讀 1268·2019-08-29 18:45
閱讀 2347·2019-08-29 16:25
閱讀 2107·2019-08-29 15:13
閱讀 2422·2019-08-29 11:29
閱讀 552·2019-08-26 17:34
閱讀 1486·2019-08-26 13:57
