Artificial intelligence 卷积神经网络-如何获得特征映射?
我读了一些关于卷积神经网络的书和文章,似乎我理解这个概念,但我不知道如何像下图所示的那样来表达它:Artificial intelligence 卷积神经网络-如何获得特征映射?,artificial-intelligence,neural-network,Artificial Intelligence,Neural Network,我读了一些关于卷积神经网络的书和文章,似乎我理解这个概念,但我不知道如何像下图所示的那样来表达它: (来源:) 从28x28标准化像素输入中,我们得到了大小为24x24的4个特征图。但是如何得到它们呢?调整输入图像的大小?还是执行图像转换?但是什么样的转变呢?或者将输入图像切割成4块24x24×4角的大小?我不明白这个过程,对我来说,似乎他们在每一步都会将图像切割或调整大小,使图像变小。请帮助,谢谢。这是CONV2函数的matlab帮助文件,用于CNN matlab(获取卷积层)。仔细阅读,你
(来源:)
从28x28标准化像素输入中,我们得到了大小为24x24的4个特征图。但是如何得到它们呢?调整输入图像的大小?还是执行图像转换?但是什么样的转变呢?或者将输入图像切割成4块24x24×4角的大小?我不明白这个过程,对我来说,似乎他们在每一步都会将图像切割或调整大小,使图像变小。请帮助,谢谢。这是CONV2函数的matlab帮助文件,用于CNN matlab(获取卷积层)。仔细阅读,你就会看到你的答案
%CONV2 Two dimensional convolution.
% C = CONV2(A, B) performs the 2-D convolution of matrices A and B.
% If [ma,na] = size(A), [mb,nb] = size(B), and [mc,nc] = size(C), then
% mc = max([ma+mb-1,ma,mb]) and nc = max([na+nb-1,na,nb]).
%
% C = CONV2(H1, H2, A) convolves A first with the vector H1 along the
% rows and then with the vector H2 along the columns. If n1 = length(H1)
% and n2 = length(H2), then mc = max([ma+n1-1,ma,n1]) and
% nc = max([na+n2-1,na,n2]).
%
% C = CONV2(..., SHAPE) returns a subsection of the 2-D
% convolution with size specified by SHAPE:
% 'full' - (default) returns the full 2-D convolution,
% 'same' - returns the central part of the convolution
% that is the same size as A.
% 'valid' - returns only those parts of the convolution
% that are computed without the zero-padded edges.
% **size(C) = max([ma-max(0,mb-1),na-max(0,nb-1)],0).**
你能列举一下你读过的关于卷积神经网络的书/文章吗?提前感谢。它来自神经网络和学习机器,第三版bookI也很困惑,这个卷积实际上是非常重要的部分(因此命名为
卷积NN
),但大多数人似乎专注于解释CNN是如何工作的,而忽略了“如何获得特征图”部分。我很困惑(也很生气),直到我发现了这个网站:它用简单的英语解释了所有的事情。任何人都有缓存版本?镜像(遗憾的是没有映像)