我读了几本有关卷积神经网络的书和文章,似乎理解了概念,但不知道如何像下面的图片一样实现:
![alt text](https://istack.dev59.com/LDT3H.webp)
(来源:what-when-how.com)
从28x28的归一化像素输入中,我们得到4个大小为24x24的特征图。但是如何得到它们呢?调整输入图像的尺寸?或者进行图像变换?但是什么样的变换呢?或者把输入图像切成4个24x24大小的小块,分别位于4个角落?我不理解这个过程,对我来说似乎是在每个步骤中将图像切割或调整大小变成更小的图像。请帮忙解答,谢谢。
我读了几本有关卷积神经网络的书和文章,似乎理解了概念,但不知道如何像下面的图片一样实现:
从28x28的归一化像素输入中,我们得到4个大小为24x24的特征图。但是如何得到它们呢?调整输入图像的尺寸?或者进行图像变换?但是什么样的变换呢?或者把输入图像切成4个24x24大小的小块,分别位于4个角落?我不理解这个过程,对我来说似乎是在每个步骤中将图像切割或调整大小变成更小的图像。请帮忙解答,谢谢。
这是用于CNN Matlab(卷积神经网络)中获取卷积层的CONV2函数的Matlab帮助文件。仔细阅读,您将找到答案。
%CONV2 Two dimensional convolution.
% C = CONV2(A, B) performs the 2-D convolution of matrices A and B.
% If [ma,na] = size(A), [mb,nb] = size(B), and [mc,nc] = size(C), then
% mc = max([ma+mb-1,ma,mb]) and nc = max([na+nb-1,na,nb]).
%
% C = CONV2(H1, H2, A) convolves A first with the vector H1 along the
% rows and then with the vector H2 along the columns. If n1 = length(H1)
% and n2 = length(H2), then mc = max([ma+n1-1,ma,n1]) and
% nc = max([na+n2-1,na,n2]).
%
% C = CONV2(..., SHAPE) returns a subsection of the 2-D
% convolution with size specified by SHAPE:
% 'full' - (default) returns the full 2-D convolution,
% 'same' - returns the central part of the convolution
% that is the same size as A.
% 'valid' - returns only those parts of the convolution
% that are computed without the zero-padded edges.
% **size(C) = max([ma-max(0,mb-1),na-max(0,nb-1)],0).**