卷积核的基本概况

文章预览

在机器学习篇章中，我们简单介绍了卷积核，今天，我们借助知乎的一篇文章，梳理一下对卷积核一些基本情况。 什么是卷积核 在数学上，卷积核的标准定义是 两个函数在反转和移位后的乘积的积分： 其中，函数g一般称为 过滤器(filters) ，函数f指的是 信号/图像 。在卷积神经网络里，卷积核其实就是一个过滤器，但在深度学习里，它不做反转，而是直接 执行 逐 元素的乘法和加法 ，我们把这个又称为 互相关 ，在深度学习里称为 卷积。 那为什么在图像处理上，需要进行卷积处理呢。实际上是借鉴于科学家的研究结果——上个世纪科学家就发现， 视觉皮层的很多神经元都有一个小的局部感受野，神经元只对有限区域的感受野上的刺激物做出反应 。 不同的感受野可以重叠，他们共同铺满整个视野。并且发现，一些神经元仅仅对横线有反应，有一 ………………………………