卷积 Convolution
卷积核也称为滤波器filter。滤波器大小为,其中为深度,和输入feature map的channel数相同。每一层的filter数量和输出channel数相同。输入的每个channel和对应深度的卷结核进行卷积,然后加和,组成输出的一个channel。
对于filter ,表示个卷积核深度为的位置在行列的参数。对于输入和输出表示个channel的行列的值。则
如果考虑到步长,则
参考图像处理常见的卷积核。
1x1卷积
顾名思义,1x1卷积的卷结核大小为1x1,这样可以节省很多的参数,可以很方便得调整channel数量。1x1卷积可以增加channel维度的特征学习,但缺少feature map维度的特征学习。
1x1卷积
- 1x1卷积不改变feature map大小,只改变channel数,相比于3x3卷积,1x1计算量更小(算一下,小了多少?)
- 1x1卷积可以增加非线性
3D卷积
3dconv输入多了时序维度,卷结核相应的也增加了一个维度
反卷积/转置卷积 Transposed Convolutions/ deconvolution
两图流。
Transposed Convolutions
反卷积
- 对输入的图每个像素进行卷积操作
- 按照stride将上述得到的结果排列,如果重叠则进行加和
- 多个卷积核重复上述操作,得到新的feature map
空洞卷积/扩张卷积 Dilated Convolutions
Dilated Convolutions多了一个扩张率,扩张率为1时就是普通卷积。
网友评论