【问题标题】:Understanding convolutional filters了解卷积滤波器
【发布时间】:2019-10-15 06:19:47
【问题描述】:

我正在阅读paper,其中他们提到了

每组共享权重称为一个内核, 或卷积核。因此,具有 n 的卷积层 kernels 学习检测 n 个局部特征,其强度跨越 输入图像在生成的 n 个特征图中可见。

我不明白在这种情况下“可见”的含义。

【问题讨论】:

  • 你问题的最后一句没有语法意义,你能重写并澄清你的实际问题吗?
  • 我觉得这句话意义不大,所以不要太在意:)

标签: machine-learning neural-network deep-learning computer-vision conv-neural-network


【解决方案1】:

一般来说,每个卷积核负责一种特定的模式,例如不同方向的边缘、角落、不同颜色的斑点等。例如,如果一个卷积核负责水平边缘,那么得到的特征图将在相应的位置有明显的激活。每个内核的强度在生成的特征图中是可见的,因为它们负责的模式将具有明显的激活。

这是一个浏览器中的演示,你可以玩 -> https://cs.stanford.edu/people/karpathy/convnetjs/demo/mnist.html

【讨论】:

    猜你喜欢
    • 2019-11-24
    • 1970-01-01
    • 2021-01-03
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2011-12-17
    相关资源
    最近更新 更多