[DeeplearningAI笔记]卷积神经网络4.11一维和三维卷积
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了[DeeplearningAI笔记]卷积神经网络4.11一维和三维卷积,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含578字,纯文字阅读大概需要1分钟。
内容图文
4.4特殊应用:人脸识别和神经网络风格转换
觉得有用的话,欢迎一起讨论相互学习~Follow Me
4.11一维和三维卷积
二维和一维卷积
- 对于2D卷积来说,假设原始图像为\(14*14*3\)的三通道图像,使用32个\(5*5*3\)的卷积核(其中3表示通道数,一般只关注感受野的大小,而卷积核的深度大小与输入的通道数相同)进行卷积,则得到大小为\(10*10*32\)大小的特征图。
-
对于1D卷积而言,假设原始图像为\(14*1\)的单通道灰度图像,使用16个\(5*1*1\)的卷积核(因为处理的是单通道图像,所以第一层卷积核的最后一维度为1)进行卷积,则得到大小为\(10*16\)的特征图,其中10表示列的数量,1维数据行的数量默认为1,16表示通道数,与进行处理的卷积核数量一致。
3D卷积
-
以CT图片为例,以X光照射人体,可以获得贯穿你身体的不同片段图片。本质上这个数据是三维的,其具有高度,宽度和深度,其中的每一张图片都与人体不同深度的切片相对应。
- 注意 3D卷积和2D卷积一样长宽和高并不一定要相等,其在长宽和高上都有维度,卷积核的长宽和高在维度上也不一定要一致
原文:https://www.cnblogs.com/cloud-ken/p/9498761.html
内容总结
以上是互联网集市为您收集整理的[DeeplearningAI笔记]卷积神经网络4.11一维和三维卷积全部内容,希望文章能够帮你解决[DeeplearningAI笔记]卷积神经网络4.11一维和三维卷积所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。