标签：卷积

2019-10-02马春杰杰评论(1)赞(1)

大家知道，我们所使用的卷积其实是经过翻转180°之后的，那么卷积为什么要进行翻转180度呢？ 一维 首先我们需要理解一下卷积，在信号分析中，如下图所示，输入信号是 f(t) ，是随时间变化的。系统响应函数是 g(t) ，图中的响应函数是随时...

2019-05-14马春杰杰评论(0)赞(0)

我们知道，当数据量较小的时候，比较容易产生过拟合，为了防止这种情况的发生，我们一般是有两种思路，一种是随时观察验证集的性能，当性能停止提高的时候，我们就人为的停止训练。另一种是加入正则化方法。 当出现过拟合的时候，往往拟合函数的系数会非常大...

2019-05-08马春杰杰评论(0)赞(0)

卷积过程如图： 对于卷积的时间复杂度来说，即运算量： 这里代表了全部的运算量，如果我们想知道一次卷积的运算量，则可以简化为： 参数量： 对于参数量而言，计算方式为：

2019-05-05马春杰杰评论(0)赞(0)

这里主要介绍下1*1卷积核的神奇之处核最好的使用范围，在开始之前需要了解下卷积网络的权值共享概念，其中权值共享基本上有两种方法： 在同一特征图和不同通道特征图都使用共享权值，这样的卷积参数是最少的，例如上一层为30*30*40，当使用3*3...

2019-04-28马春杰杰评论(0)赞(0)

开局先祭出一张大神图： 比如我们有一张5*5*3的图作为输入，卷积核的尺寸为3*3，则卷积核的输入深度为3，这里的3对应着输入的3通道，卷积核的数量为2，则卷积核的参数应为：(3*3*3)*2。 卷积过程为，首先因为输入图像有3层，所以卷积...

2019-03-05马春杰杰评论(0)赞(0)

由于计算机视觉的大红大紫，二维卷积的用处范围最广。因此本文首先介绍二维卷积，之后再介绍一维卷积与三维卷积的具体流程，并描述其各自的具体应用。 1、二维卷积 图中的输入的数据维度为 14 × 14 ，过滤器大小为 5 × 5，二者做卷积，输出...