
卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是一類常用于圖像識別、語音識別等領(lǐng)域的深度學(xué)習(xí)模型。其中最重要的部分就是卷積操作。那么,什么是卷積操作呢?
在介紹卷積之前,我們需要先了解一下信號處理中的卷積。信號處理中的卷積是指將兩個函數(shù)進(jìn)行加權(quán)平均得到一個新的函數(shù)。具體而言,如果有兩個函數(shù)$f$和$g$,它們的卷積是這樣定義的:
$$int_{-infty}^infty f(tau)g(t-tau)dtau$$
這個式子看起來比較抽象,但可以通過一個例子來理解。假設(shè)我們有一個長度為$5$的離散信號序列$x=[1,2,3,4,5]$,另一個信號序列$h=[1,1,1]$,則$h$的卷積核為:
$$h=[1,1,1] Rightarrow h[-1]=h[0]=h[1]=1, h[2]=0, h[3]=h[4]=...=0$$
我們可以將$x$和$h$像這樣擺放:
$$x = [1, 2, 3, 4, 5]$$ $$h = [1, 1, 1, 0, 0]$$
然后,我們將$h$翻轉(zhuǎn)過來,再將它與$x$對齊,從第一個數(shù)開始相乘,求和并得到新序列的第一個元素;接著,我們將$h$向右移動一個單位,再次將它與$x$對齊,并得到新序列的第二個元素……直到$h$覆蓋完整個$x$序列,得到如下結(jié)果:
$$y=[3,6,9,12,15,0,0]$$
在卷積神經(jīng)網(wǎng)絡(luò)中,卷積操作基本上是按照這個流程進(jìn)行的。不同之處在于,我們通常使用多個卷積核來提取圖像的特征。每個卷積核都是一個小的矩陣,例如$3 times 3$或$5 times 5$,它們會滑動在輸入圖像的每個位置,計算某個輸出特征圖上的一個像素值。
假設(shè)我們有一個$5 times 5$的輸入圖像$I$,和一個大小為$3 times 3$的卷積核$K$,則卷積操作可以表示為:
$$O_{i,j}= sum_msum_n I_{i+m,j+n}K_{m,n}$$
其中,$O$是輸出特征圖,$I$是輸入圖像,$K$是卷積核,$i,j$是輸出特征圖上的位置,$m,n$是卷積核內(nèi)的位置。這個式子表示,在輸出特征圖上的每個位置$(i,j)$,都會以此滑動$K$,計算輸入圖像$I$上所有與$K$重合的位置處的像素值與$K$內(nèi)的系數(shù)的乘積,最后將這些乘積相加得到輸出特征圖上相應(yīng)位置的像素值。
這個過程可以用下圖表示:
在實際應(yīng)用中,我們通常使用多個卷積核進(jìn)行卷積操作。這些卷積核可以對輸入圖像進(jìn)行不同的特征提取,例如檢測邊緣、角點、紋理等。因此,一個卷積層通常會產(chǎn)生多個特征圖,每個特征圖對應(yīng)一個卷
積核。在深度學(xué)習(xí)中,這些卷積核是通過反向傳播算法自適應(yīng)學(xué)習(xí)得到的,以最大化網(wǎng)絡(luò)的分類性能。
除了卷積操作,卷積神經(jīng)網(wǎng)絡(luò)還包括池化、激活函數(shù)等操作。其中,池化操作用于降低特征圖的尺寸和維度,減少計算量并增強模型的魯棒性;激活函數(shù)則用于引入非線性變換,使網(wǎng)絡(luò)能夠?qū)W習(xí)更加復(fù)雜的特征。
總之,卷積神經(jīng)網(wǎng)絡(luò)中的卷積操作是一種基本的特征提取方式,它可以將輸入圖像中的局部信息進(jìn)行組合,從而得到更加豐富的特征表示。卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計和訓(xùn)練都是圍繞著卷積操作展開的,因此對卷積操作的理解至關(guān)重要。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10