Machine learning 了解卷积滤波器_Machine Learning_Neural Network_Deep Learning_Computer Vision_Conv Neural Network

Machine learning 了解卷积滤波器

machine-learning neural-network deep-learning computer-vision

Machine learning 了解卷积滤波器,machine-learning,neural-network,deep-learning,computer-vision,conv-neural-network,Machine Learning,Neural Network,Deep Learning,Computer Vision,Conv Neural Network,我正在读一篇文章，他们在其中提到每一组共享权重称为一个内核，或者一个卷积内核。因此，具有n的卷积层内核学习检测n个局部特征，其强度跨越输入图像在生成的n个特征映射中可见我不理解“可见”在本文中的含义。一般来说，每个卷积核负责一种特定的图案，例如不同方向的边、角、不同颜色的斑点等。例如，如果卷积核负责水平边，然后，生成的特征图将在相应位置具有明显的激活。每个内核的强度在生成的特性图中是可见的，因为它们负责的模式将有明显的激活这是一个可以在浏览器中使用的演示->一般来说，每个卷积内核负责

我正在读一篇文章，他们在其中提到

每一组共享权重称为一个内核，或者一个卷积内核。因此，具有n的卷积层内核学习检测n个局部特征，其强度跨越输入图像在生成的n个特征映射中可见

我不理解“可见”在本文中的含义。

一般来说，每个卷积核负责一种特定的图案，例如不同方向的边、角、不同颜色的斑点等。例如，如果卷积核负责水平边，然后，生成的特征图将在相应位置具有明显的激活。每个内核的强度在生成的特性图中是可见的，因为它们负责的模式将有明显的激活

这是一个可以在浏览器中使用的演示->

一般来说，每个卷积内核负责特定类型的图案，例如不同方向的边、角、不同颜色的斑点等。例如，如果卷积内核负责水平边，然后，生成的特征图将在相应位置具有明显的激活。每个内核的强度在生成的特性图中是可见的，因为它们负责的模式将有明显的激活

这是一个可以在浏览器中玩的演示->

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？我认为这句话没有多大意义，所以不要太担心：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？我认为这句话没有多大意义，所以不要太担心：