图像识别之卷积讲解
来源:互联网 发布:2017格里芬体测数据 编辑:程序博客网 时间:2024/05/15 04:08
下面详细说明一下卷积的概念
先来说明一下连续空间的卷积定义
连续空间的卷积定义是f(x)与g(x)的卷积是f(t-x)g(x)在t从负无穷到正无穷 的积分值,t-x要在f(x)定义域内,所以看上去很大的积分实际上还是在一定范围内的。
实际的过程就是f(x)先做一个Y轴的反转,然后再沿X轴平移t就是f(t-x),然后再把g(x)拿来,两者乘积低的值再积分,(由于大多数模板都是对称的,所以模板不旋转)想象一下如果g(x)或者f(x)是个单位的阶跃函数,那么就是f(t-x)与g(x)相交部分的面积,这就是卷积了。
关于阶跃函数,参考百度百科
普通函数
广义函数
把积分符号换成求和就是离散空间的卷积定义了,那么在图像中卷积是什么意思呢,就是图像是f(x),模板g(x),然后将模板g(x)在模板中移动,每到一个位置,就把f(x)与g(x)的定义域相交的元素进行乘机并且求和,得出新的图像一点,就是被卷积后的图像,模板又称为卷积核,卷积核做一个矩阵的形状。
卷积定义上是现行系统分析经常用到的,线性系统就是一个系统的输入和输出的关系是线性关系,就是说整个系统可以分解成N多的无关独立变化,整个系统就是这些变化的累加。
如 x1->y1, x2->y2; 那么A*x1 + B*x2 -> A*y1 + B*y2,这就是线性系统,表示一个线性系统可以用积分的形式,如Y = Sf(t,x)g(x)dt,S是积分的符号,f(t,x)表示的是A,B之类的线性系数。
看上去很像卷积,如果将f(t,x)=F(t-x)就成为了卷积了,这种变化实际上说明f(t,x)是一个线性移不变,就是说变量的差不变化的时候,那么函数的值不变化,实际上说明线性移不变系统的输出可以通过输入和表示系统线性特征的函数卷积得到。
- 图像识别之卷积讲解
- 图像识别基础之相关、卷积
- 卷积神经网络用于图像识别
- 卷积神经网络与图像识别基本概念
- 图像识别和卷积神经网络架构原理
- 图像处理之卷积概念
- 图像处理之理解卷积
- 图像处理之理解卷积
- 图像处理基础之卷积
- 图像处理基础之卷积
- 图像处理之理解卷积
- 图像处理之卷积概念
- 图像处理之理解卷积
- 图像语义分割技术-深度卷积网络图像识别
- 图像语义分割技术-深度卷积网络图像识别
- opencv图像处理之图像卷积
- AI之图像识别
- TensorFlow 卷积神经网络之猫狗识别
- hdu6055
- 【Ex.】给定s1 = AABCD和s2 = BCDAA,返回1,给定s1=abcd和s2=ACBD,返回0.
- Linux环境下搭建jenkins平台
- Zen Coding快速编写HTML代码
- filter过滤器,处理登录session长时失效问题
- 图像识别之卷积讲解
- RecyclerView的简单使用
- HDU1205 吃糖果
- 小米推送常见问题
- 天易47----Springmvc注解方式实现aop配置简单示例
- mysql 向表中插入随机数
- 多文件及单文件上传
- HDU6053 TrickGCD【数学】
- 在eclipse中使用maven创建springMVC项目