关于图像卷积运算 / 多通道卷积计算 / 反卷积 / 膨胀卷积 / Depthwise卷积 / 群卷积 的概念和计算总结

最新推荐文章于 2025-07-08 18:03:46 发布
最新推荐文章于 2025-07-08 18:03:46 发布
阅读量4.6k 收藏 31
点赞数 3
CC 4.0 BY-SA版权
分类专栏： 概念总结
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/francislucien2017/article/details/85772003

之前面试商汤的时候被问了好几个和卷积有关的概念，有些细节没答上来，所以稍微总结一下一些相关概念；

  • 卷积的计算和作用；
  • 三种卷积运算 Valid / Same / Full 的区别；
  • 多通道卷积
  • 反卷积（转置卷积）的概念和作用；
  • 小数步长卷积 Fractionally Strided Convolution；
  • 膨胀卷积的概念和作用；
  • Depthwise卷积的概念和作用；

卷积，是一种特殊的滤波。用一个模板去和另一个图片对比，进行卷积运算。目的是使目标与目标之间的差距变得更大。对于图像的每一个像素点，计算它的邻域像素和滤波器矩阵的对应元素的乘积，然后加起来，作为该像素位置的值。这样就完成了滤波过程。

卷积输出计算以及卷积核参数计算

       计算量 = C_{input} \times C_{output} \times I \times J \times H_{output} \times W_{output}，，即输入通道数、输出通道数、卷积核长、宽、输出特征图的长、宽的乘积。

       参数数量 = 

最低0.47元/天 解锁文章

200万优质内容无限畅学
人工智能面试总结-卷积
啥都生的博客
03-06 2529
说说什么是卷积？说说图像卷积过程？说说卷积层基本参数？说说卷积操作后图像大小计算方式？说说卷积神经网络中的权重共享？说说上采样中的反卷积？说说空洞卷积？说说空洞卷积输出计算公式？说说深度可分离卷积？说说可分离卷积与常规卷积的计算量？说说为什么可分离卷积中Depthwise卷积后还要进行pointwise卷积？说说分组卷积？说说三维卷积？说说1x1卷积作用？说说卷积的底层实现/加速技巧？说说卷积神经网络的特点？手推卷积实现原理？ 说说什么是卷积？  在数学中，称 (f∗g)(n)(f * g)(n)(f
深度学习·理论篇(2023版)·第010篇多种卷积与可视化：单通道与多通道卷积可视化+(空间可分离卷积+深度可分离卷积+分组卷积+反卷积+八度卷积)可视化+OctConv模型理论
小李的研究生学习日记
04-06 652
二维情况下的卷积和一维并没有本质上的不同，下面略过公式，直接来形象理解。深度学习·理论篇：单通道与多通道卷积可视化+(空间可分离卷积+深度可分离卷积+分组卷积+反卷积+八度卷积)可视化+OctConv模型理论
【论文阅读笔记5】反卷积和膨胀卷积
m0_37935211的博客
10-18 1602
参考： A guide to convolution arithmetic for deep learning            如何理解深度学习中的deconvolution networks？ 要点： 卷积运算实际上是一种矩阵的乘法运算。反卷积相当于卷积在神经网络结构的正向和反向传播中做相反的矩阵运算。 卷积运算可表示为（C是一个由卷积核转换而来的稀疏矩阵）。而反卷积运算就是正向时...
图像处理之理解卷积
web开发
12-04 539
图像处理之理解卷积 一：什么是卷积 离散卷积的数学公式可以表示为如下形式： f(x) = - 其中C(k)代表卷积操作数，g(i)代表样本数据, f(x)代表输出结果。 举例如下： 假设g(i)是一个一维的函数，而且代表的样本数为G = [1,2,3,4,5,6,7,8,9] 假设C(k)是一个一维的卷积操作数, 操作数为C=[-1,0,1] 则输出结果f(x)可以表示为 F=[...
图像识别之图像的卷积
最新发布
qq_28576837的博客
07-08 625
在图像处理中，卷积是一种重要的特征提取和处理手段。图像是一个二维的像素矩阵，卷积核（也叫滤波器）是一个小的二维矩阵。对图像进行卷积运算时，卷积核在图像上滑动，在每个位置，将卷积核与图像对应区域的像素值进行元素相乘，然后将结果相加，得到卷积后的输出像素值。作用：不同的卷积核可以实现不同的图像处理效果，比如使用高斯卷积核进行卷积运算，可以对图像进行平滑处理，减少噪声；使用边缘检测卷积核（如 Sobel 算子、Canny 算子），可以检测出图像中的边缘信息，突出物体的轮廓。
图像处理-模板、卷积的整理
求知若饥，知行合一
04-04 2万+
一：什么是卷积 离散卷积的数学公式可以表示为如下形式： f(x) =  - 其中C(k)代表卷积操作数，g(i)代表样本数据, f(x)代表输出结果。 举例如下： 假设g(i)是一个一维的函数，而且代表的样本数为G = [1,2,3,4,5,6,7,8,9] 假设C(k)是一个一维的卷积操作数, 操作数为C=[-1,0,1] 则输出结果f(x)可以表示为 F=[1,2,2,2,2,2,
【图像处理】卷积算法
雪夜的专栏
06-06 4万+
本文索引： 一 什么是卷积 二 相关算子 三 卷积算子 四 边缘效应 五 常用的卷积核及其用途 六 一个例子使用卷积实现模糊效果 一、 什么是卷积？      在图像处理中，卷积操作指的是使用一个卷积核对图像中的每个像素进行一系列操作。       卷积核（算子）是用来做图像处理时的矩阵,图像处理时也称为掩膜，是与原图像做运算的参数。卷积核通常是一个四方形的网格结构（例如3*3的矩阵或像
图像处理——卷积
Leh1ng的博客
12-11 4292
这是通过数学公式进行的描述，但是我们要了解的是关于图像处理方面的，所以就没有那么的抽象。我们只需要知道，是怎么通过卷积去处理图像的，处理完成后的图像是什么样的就可以。在图像处理方面，卷积操作指的就是使用一个，对图像上的像素进行处理。经常用来进行边缘检测和图像的模糊处理。卷积核一般是四方形的网格结构（2X2、3X3），是一个方形的结构，每一个区块都有相应的权重值。step1：把卷积核的中心放在要进行计算的该像素上step2：翻转核之后再依次计算核中每个元素的权重值和其覆盖的图像像素值相乘。
深度学习—各种卷积
m0_47005029的博客
03-01 2989
深度学习之各种卷积了解知识
卷积神经网络中特征图大小计算公式总结
qq_64623979的博客
06-04 1714
W:输入特征图的宽H：输入特征图的高K：卷积核的宽和高P: padding（特征图填充个数）S： stride（步长）width_out:卷积后输出特征图的宽height_out: 卷积后输出特征图的高。
理解图像卷积操作的意义
热门推荐
zhangxu
05-16 10万+
数字信号处理中卷积 卷积一词最开始出现在信号与线性系统中，信号与线性系统中讨论的就是信号经过一个线性系统以后发生的变化。由于现实情况中常常是一个信号前一时刻的输出影响着这一时刻的输出，所在一般利用系统的单位响应与系统的输入求卷积，以求得系统的输出信号（当然要求这个系统是线性时不变的）。 卷积的定义： 卷积是两个变量在某范围内相乘后求和的结果。如果卷积的变量是序列x(n)和h(n)，则...
图像卷积操作
不会代码的码农的博客
03-14 1844
卷积 描述卷积的四个量 ，一个卷积层的配置由如下四个量确定。 滤波器个数。使用一个滤波器对输入进行卷积会得到一个二维的特征图(feature map)。我们可以用时使用多个滤波器对输入进行卷积，以得到多个特征图。 感受野(receptive field) F，即滤波器空间局部连接大小。 零填补(zero-padding) P。随着卷积的进行，图像大小将缩小，图像边缘的信息将逐渐丢失。因此，在卷积前，我们在图像上下左右填补一些0，使得我们可以控制输出特征图的大小。 步长(stride) S。滤波器在输入每移
图像的卷积运算
hb707934728的博客
08-23 1万+
提到卷积运算，首先离不开的就是卷积核，这个卷积核其实就是一个大小固定、由数值参数构成的数组，数组的参考点通常位于数组的中心，数组的大小称为核支撑。单就技术而言，核支撑实际上仅仅由核数组的非0部分组成。或者，像其他说法，卷积核就是所谓的模板。 卷积运算，其实就是可看作是加权求和的过程，使用到的图像区域中的每个像素分别与卷积核(权矩阵)的每个元素对应相乘，所有乘积之和作为区域中心像素的新值。
图像处理基础之卷积
lioncv的专栏
03-10 1818
1.使用模板处理图像相关概念：      模板：矩阵方块，其数学含义是一种种卷积运算。 卷积运算：可看作是加权求和的过程，使用到的图像区域中的每个像素分别于卷积核(权矩阵)的每个元素对应相乘，所有乘积之和作为区域中心像素的新值。 卷积核：卷积时使用到的权用一个矩阵表示，该矩阵与使用的图像区域大小相同，其行、列都是奇数，是一个权矩阵。 卷积示例： 3 * 3 的像素区域R与卷积核G的卷积运
图像卷积原理及运算方法
kalp_yp
06-07 7万+
原理 卷积，有时也叫算子。用一个模板去和另一个图片对比，进行卷积运算。目的是使目标与目标之间的差距变得更大。卷积在数字图像处理中最常见的应用为锐化和边缘提取。 如边缘提取，假如目标像素点和它周边的值（上下左右前后的临点，具体的比邻范围依赖于算子的大小，3*3的算子比邻范围为1，5*5的为2，以此类推）得有较大差异，那么就可以通过这个算子对原图矩阵中的这个位置进行卷积运算，得出的值和该像素点原来...
图像中的卷积以及一些难懂公式
三眼二郎
04-11 5759
从百度文库截取了一个公式，版权归原作者所有。主要为了说明在图像中卷积的形式，其实看后面的g(x-u，y-v)感觉挺难受的，以及G(i-m，j-n)。这些要是不懂可以去找我的写的卷积浅显理解，那个一看就懂。这里不必纠结，其实只看是f每一个元素和g对应的每一个元素相乘再相加就好了。积分符号-----其实就是把每个元素表达成了很近于是成了连续的整体了，其实离散了就好看了。直接相乘，相加就好了。前面的两个...
【转】图像卷积后的大小计算公式
lyy的博客
12-09 1876
原文：https://blog.youkuaiyun.com/aron_conli/article/details/95175757?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.control .
图像卷积
u012005313的专栏
11-14 1万+
这几天在进行其它运算时突然发觉自己对于卷积的概念和运算有一些陌生，重新复习一下。 目录 图像卷积概念 图像卷积数学公式 图像卷积注意事项 图像卷积算法实现 图像卷积概念 参考： Convolution Kernel (image processing) 图像卷积操作（convolution），或称为核操作（kernel），是进行图像处理的一种常用手段， 图像卷积操作的目的是利用像素点和其邻...
图像卷积及其计算（特征图尺寸、参数量、计算量）
weixin_44966641的博客
10-22 8806
图像卷积及其计算（特征图尺寸、参数量、计算量） 卷积前后特征图尺寸的计算 定义参数如下： 输入特征图尺寸： W×WW×WW×W 卷积核尺寸： F×FF×FF×F 步长： SSS 填充的像素数：PPP 则有输出特征图尺寸为 N×NN×NN×N： N=(W−F+2P)/S+1 N = (W − F + 2P )/S+1 N=(W−F+2P)/S+1 参数量的计算 卷积层的参数量 卷积的参数量即卷积核的参数量，设我们有如下参数： 卷积核尺寸：KKK 前一层的通道数：CinC_{in}Cin​ 当前层的卷积核
天文学图像盲反卷积源码及其多通道处理
资源摘要信息: "blind-deconvolution_blind_图像反卷积_图像多通道" 在信息技术领域，图像处理是一门重要的学科，它涉及了图像的获取、分析、处理、存储和显示等各个方面。图像反卷积是图像处理中的一个关键环节，...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值