卷積核就是影象處理時，給定輸入影象，輸入影象中乙個小區域中畫素加權平均後成為輸出影象中的每個對應畫素，其中權值由乙個函式定義，這個函式稱為卷積核
，又稱濾波器。
卷積核的大小一般有1x1,3x3和5x5的尺寸（一般是奇數x奇數）。同樣提取某個特徵，
經過不同卷積核卷積後效果也不一樣
。可以發現同樣是銳化，5x5的卷積核要比3x3的卷積核效果細膩不少。
cnn的卷積核通道數=卷積輸入層的通道數
cnn的卷積輸出層通道數(深度)=卷積核的個數
在卷積層的計算中，假設輸入是h
x w x c
，c是輸入的深度(即通道數)，那麼卷積核(濾波器)的通道數需要和輸入的通道數相同，所以也為c
。假設卷積核的大小為k x k，乙個卷積核就為k x k x c，計算時卷積核的對應通道應用於輸入的對應通道，這樣乙個卷積核應用於輸入就得到輸出的乙個通道。假設有p個k x k x c的卷積核，這樣每個卷積核應用於輸入都會得到乙個通道，所以輸出有p個通道。
中對膨脹卷積解釋如下
1.膨脹卷積是對卷積核進行0填充。
2.膨脹後的卷積核的大小：
（1）設原始卷積核的大小是3*3
（2）設膨脹率為2
（3）則膨脹後的卷積核的大小為：dilation_rate*（kernel_size - 1）+1
結果就是 2*（3-1）+1=5，膨脹後的卷積核大小是5*5
3.預設的dilation_rate=1.
卷積神經網路 卷積層
1 2 該部落格主要是對網上知識點的學習和整理，方便日後複習。侵刪。卷積神經網路 cnn 一般由輸入層 卷積層 啟用函式 池化層 全連線層組成，即input 輸入層 conv 卷積層 relu 啟用函式 pool 池化層 fc 全連線層 當我們給定乙個 x 的圖案，計算機怎麼識別這個圖案就是 x 呢...
卷積神經網路 卷積操作
對於cnn，卷積操作的主要目的是從輸入影象中提取特徵。卷積通過使用輸入資料的小方塊學習影象特徵來保留畫素之間的空間關係。卷積操作就是卷積核 過濾器 filter 在原始中進行滑動得到特徵圖 feature map 的過程。假設我們現在有乙個單通道的原始和乙個卷積核，卷積的過程如圖2所示 卷積得到的特...
卷積與卷積神經網路
神經網路中的卷積是指用乙個卷積核 也叫濾波器 實質上是乙個矩陣，在影象上掃瞄一遍，得到乙個新的影象。掃瞄的實質，就是矩陣大小的影象畫素值，和卷積核做運算，然後得到新的畫素值，放到新的影象中 運算不是一行乘一列的乘法，而是哈達馬積，即對應位置的元素一一相乘。最後，把哈達馬積得到的矩陣上的每乙個元素求和...