卷积神经网络CNN之RGB三通道图像卷积计算

爱新觉罗胤祯

卷积神经⽹络CNN之RGB三通道图像卷积计算

CNN⾥⾯最重要的构建单元就是卷积层。神经元在第⼀个卷积层不是连接输⼊图⽚的每⼀个像素，只是连接它们的感受野的像素，以此类推，第⼆个卷积层的每⼀个神经元仅连接位于第⼀个卷积层的⼀个⼩⽅块的神经元，即局部连接。CNN⾥的卷积层对输⼊进⾏特征抽取、归纳、整理，这也是CNN⽐只有全连接层FC的DNN准确率要⾼的⼀个原因。

中石化薛万东>药绘图下⾯举个⼩栗⼦解释⼀下卷积如何⼿动计算的！

谭功炎

造船生产设计

⾸先注意两点：卷积核⼤⼩以及步幅。本例中步幅为2，两个卷积核皆为3 * 3 * 3（三⾏三列三通道）。输⼊为三通道图像，经过两个卷积操作得到两个特征图。

卷积码以上为两个⼿写计算得到的两个值。说⽩了就是wx+b的计算。注意步幅！

本文发布于:2024-09-22 04:22:39，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/475200.html

上一篇：CNNkernel与模型参数量、计算量

下一篇：浅谈基于CNN卷积神经网络的图像识别