反向步幅的大小决定了卷积层中卷积核的滑动步长。如果反向步幅设置的太小,则会造成卷积核滑动步长过小,从而导致模型拟合较差,从而影响模型整体性能。反之,如果反向步幅设置的太大,则会导致模型拟合更好,但是会增加模型的计算量,从而影响模型的效率。因此,在训练模型时,需要根据模型的实际情况来合理设置反向步幅,以达到较好的性能。
卷积核一般是二维数组。
卷积核就是一个2维的数组,行列数相等而且为奇数,因为每个卷积核都是对于它中心的那个像素的作用,只有奇数才能有最中心的那个像素。它里面的元素值代表不同的权值。一般而言,卷积核里面的所有元素之和为1,当然也可以不等于1。大于1时生成的亮度会增加,小于1时生成的亮度会降低。
卷积核的意义:
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。
也可以从另外一个角度理解卷积核的意义。学过信号处理的同学应该记得,时域卷积对应频域相乘。所以原图像与卷积核的卷积,其实是对频域信息进行选择。
比如,图像中的边缘和轮廓属于是高频信息,图像中某区域强度的综合考量属于低频信息。在传统图像处理里,这是指导设计卷积核的一个重要方面。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)