0
点赞
收藏
分享

微信扫一扫

卷积神经网络基础(1)

1、图像卷积计算公式:

卷积神经网络基础(1)_卷积

卷积神经网络基础(1)_卷积核_02为图像大小,卷积神经网络基础(1)_卷积_03为卷积核大小,卷积神经网络基础(1)_卷积_04卷积神经网络基础(1)_卷积核_05大小,卷积神经网络基础(1)_卷积核_06为步长。

2、感受野计算公式:

(1)从最后一层往前计算:

卷积神经网络基础(1)_卷积_07

卷积神经网络基础(1)_卷积核_08为感受野,卷积神经网络基础(1)_卷积_09为第卷积神经网络基础(1)_卷积核_10层在第卷积神经网络基础(1)_卷积核_11层的感受野。

例如:

输入图像为卷积神经网络基础(1)_卷积_12,卷积核大小为卷积神经网络基础(1)_卷积_13卷积神经网络基础(1)_卷积_14卷积神经网络基础(1)_卷积_15

进行两次卷积操作,

第一次卷积后特征图的边长为卷积神经网络基础(1)_卷积核_16

第二次卷积后特征图的边长为卷积神经网络基础(1)_卷积核_17.

从最后一层计感受野,

最后一层对于倒数第二层的感受野为卷积神经网络基础(1)_卷积核_18

倒数第二层中卷积神经网络基础(1)_卷积核_19的范围内对第一层的感受野为卷积神经网络基础(1)_卷积核_20.

所以最后一层特征图中的一个点,在原图中的感受野为卷积神经网络基础(1)_卷积_21.

(2)从第一层图像向后计算:

卷积神经网络基础(1)_卷积_22

卷积神经网络基础(1)_卷积核_23是第卷积神经网络基础(1)_卷积_24层的感受野大小,卷积神经网络基础(1)_卷积_25是第卷积神经网络基础(1)_卷积_24层卷积核大小,卷积神经网络基础(1)_卷积_27是第卷积神经网络基础(1)_卷积核_28层使用的步长。使用这个公式计算到所需层,就可以得到那一层的感受野大小。

举报

相关推荐

0 条评论