卷积神经网络中的卷积操作与信号系统中的卷积区别
2018-01-30 10:40
981 查看
本科期间信号系统中学习到了卷积概念,
卷积是两个变量在某范围内相乘后求和的结果。如果卷积的变量是序列x(n)和h(n),则卷积的结果
其中星号*表示卷积。当时序n=0时,序列h(-i)是h(i)的时序i取反的结果;时序取反使得h(i)以纵轴为中心翻转180度,所以这种相乘后求和的计算法称为卷积和,简称卷积。另外,n是使h(-i)位移的量,不同的n对应不同的卷积结果。
图像卷积
其实如图所示的是计算的相关系数,真实的卷积事先将卷积核绕中心旋转180度,然后使用旋转后的卷积核在原始图片上进行滑动计算。
比较而言,相关系数的计算过程则不会对filter进行旋转,而是直接在原始图片上进行滑动计算。
其实CNN卷积实际上计算的是相关系数,而不是数学意义上的卷积。但是,为了简化计算,我们一般把CNN中的这种“相关系数”就称作卷积运算。之所以可以这么等效,是因为滤波器算子一般是水平或垂直对称的,180度旋转影响不大;而且最终滤波器算子需要通过CNN网络梯度下降算法计算得到,旋转部分可以看作是包含在CNN模型算法中。总的来说,忽略旋转运算可以大大提高CNN网络运算速度,而且不影响模型性能。
卷积是两个变量在某范围内相乘后求和的结果。如果卷积的变量是序列x(n)和h(n),则卷积的结果
其中星号*表示卷积。当时序n=0时,序列h(-i)是h(i)的时序i取反的结果;时序取反使得h(i)以纵轴为中心翻转180度,所以这种相乘后求和的计算法称为卷积和,简称卷积。另外,n是使h(-i)位移的量,不同的n对应不同的卷积结果。
图像卷积
其实如图所示的是计算的相关系数,真实的卷积事先将卷积核绕中心旋转180度,然后使用旋转后的卷积核在原始图片上进行滑动计算。
比较而言,相关系数的计算过程则不会对filter进行旋转,而是直接在原始图片上进行滑动计算。
其实CNN卷积实际上计算的是相关系数,而不是数学意义上的卷积。但是,为了简化计算,我们一般把CNN中的这种“相关系数”就称作卷积运算。之所以可以这么等效,是因为滤波器算子一般是水平或垂直对称的,180度旋转影响不大;而且最终滤波器算子需要通过CNN网络梯度下降算法计算得到,旋转部分可以看作是包含在CNN模型算法中。总的来说,忽略旋转运算可以大大提高CNN网络运算速度,而且不影响模型性能。
相关文章推荐
- tensorflow卷积神经网络的卷积操作
- 文件操作的系统调用和库函数调用的区别
- 对信号与系统中卷积的理解
- 技术 | 变形卷积核、可分离卷积?卷积神经网络中十大拍案叫绝的操作
- 卷积神经网络的卷积操作
- (CNN)卷积神经网络(三)-理解卷积操作
- 信号系统与卷积
- 变形卷积核、可分离卷积?卷积神经网络中十大拍案叫绝的操作。
- 变形卷积核、可分离卷积?卷积神经网络中十大拍案叫绝的操作
- Linux strace跟踪系统信号和操作
- 文件操作——C库调用与Linux系统调用区别
- 2卷积神经网络相关API详解-2.1TensorFlow之卷积操作API
- 深度学习算法实践11---卷积神经网络(CNN)之卷积操作
- 操作数据库系统(OLTP)和联机分析处理系统(OLAP)的区别
- Vxworks等实时系统二进制信号量,互斥信号和计数信号量的区别
- 漫谈 信号与系统 入门第一课 什么是卷积 傅利叶变换 拉普拉斯变换
- 信号与系统:卷积
- 深度学习算法实践11---卷积神经网络(CNN)之卷积操作
- 文件操作:系统调用和C库函数的区别
- 变形卷积核、可分离卷积?卷积神经网络中十大拍案叫绝的操作。