cnn中卷积核步长有什么影响?
发布网友
发布时间：2022-05-19 02:36
共1个回答
热心网友
时间：2024-03-03 09:32
cnn中卷积核步长影响：卷积层之后经过激励层，1*1的卷积在前一层的学习表示上添加了非线性激励（ non-linear activation ），提升网络的表达能力。
如果卷积核尺寸为 k x k，被卷积张量的尺寸为 n x n，padding为 k-1时，则可实现same convolution（n + padding - k + 1 = n） 。若 k 为偶数，那么padding就为奇数，就不能平均分配到卷积张量两边。此外，奇数尺寸的卷积核便于用中心定位。
卷积核的意义
卷积核其实在图像处理中并不是新事物，Sobel 算子等一系列滤波算子，一直都在被用于边缘检测等工作中，只是以前被称为 Filter。做图像处理的同学应该有印象。
卷积核具有的一个属性就是局部性。即它只关注局部特征，局部的程度取决于卷积核的大小。比如用 Sobel 算子进行边缘检测，本质就是比较图像邻近像素的相似性。
