美文网首页机器学习与深度学习
[CV] filter 与 pool 的异同

[CV] filter 与 pool 的异同

作者: LCG22 | 来源:发表于2020-09-28 17:05 被阅读0次

filter(卷积核,过滤器) 操作过程:filter 是按照从左到右,从上到下的顺序,将卷积核每个通道上的值跟输入对应的通道上的值进行相乘,再进行求和,然后加上偏置,最后使用 relu 激活函数,如此便能依次得到所有的结果

pool(池化)操作过程:pool 是对输入的每个通道进行池化操作,但是不会对每个通道的结果对应位置的值进行相加

filter 与 pool 的相同点:

① 卷积与池化顺序:都是从矩阵的左上角开始,依照步长,从左到右,从上到下进行移动

② padding 公式:矩阵经过 filter 和 pool 后的维度大小都满足公式 \lfloor {\frac{n + 2p - f}{s} + 1} \rfloor

注:pool 中的 p 一般设置为 0

③ 卷积核与池化的维度: filter 的维度大小 n * n * n_c 中的 n_c 跟输入的通道数必须相等。 pool 的维度大小 n * n * n_c 中的 n_c 跟输入的通道数相同

④ 卷积核与池化的作用:为了降低计算量

不同点:

① 参数是否需要训练:filter 的参数需要进行训练,但是 pool 中没有参数需要进行训练

② 卷积核与池化的输出维度:卷积核的是 n * n * m ,而其中的 m 则是该层的卷积核的数量。而池化的是 n * n * n_cn_c 是当前输入的通道数

③padding 公式的参数设置: \lfloor {\frac{n + 2p - f}{s} + 1} \rfloor  公式在 filter 时,p 一般不为 0,但是在 pool 中 p 一般为 0

④卷积核和池化的作用: filter 的作用一般是降低计算量,而 pool 除了降低计算量之外,还为了提高抽取的特征的健壮性

⑤ 参数是否共享:filter 的可训练参数是共享的,而 pool 没有可训练参数

⑥ 降低计算量的方式:filter 通过参数共享和稀疏连接的方法来降低参数量,从而降低计算量。而 pool 则是通过将输入尺寸降低后,作为输出的方法,来降低后续过程的计算量。

相关文章

网友评论

    本文标题:[CV] filter 与 pool 的异同

    本文链接:https://www.haomeiwen.com/subject/jfjqvhtx.html