小卷积核代替大卷积核原理

本文探讨了如何使用多个3*3的小卷积核代替更大的5*5和7*7卷积核,以减少计算量并保持相同的感受野。通过具体的计算实例,展示了这种替换方式在卷积层特征图尺寸计算中的应用,并指出该方法能增加非线性特性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

卷积层特征图尺寸计算公式

M=\frac{N-F+2P}{S}

设置图片尺寸为64*64 pixel

两个3*3卷积核代替5*5卷积核

5*5卷积的特征图尺寸:

kernel=5*5,stride=1,padding=0

M=(64-5+2*0)/1+1=60

参数量:5*5*input_channels*output_channels

计算量:5*5*input_channels*output_channels*64*64

2个3*3卷积的特征图尺寸(这里指进行两次3*3卷积);

kernel=3*3,stride=1,padding=0

第一次:(64-3+2*0)/1+1=62

第二次:(62-3+2*0)/1+1=60

参数量:2*3*3*input_channels*output_channels

计算量:2*3*3*input_channels*output_channels*64*64

三个3*3卷积核代替7*7卷积核

7*7卷积的特征图尺寸:

kernel=7*7,stride=1&#

在图像处理中,中值滤波是一种常用的滤波方法,用于去除图像中的噪声。中值滤波的卷积核是一个正方形的窗口,窗口中的像素值按照大小进行排序,然后取中间值作为中心像素的新值。这样可以有效地去除图像中的椒盐噪声或者其他类型的噪声,同时保持图像的边缘信息。中值滤波的卷积核大小可以根据需要进行调整,通常选择3x3或者5x5的大小。\[1\]中值滤波的原理是基于统计学的思想,通过选择中间值来代替异常值,从而达到去除噪声的效果。与其他滤波方法相比,中值滤波在去除噪声的同时能够保持图像的细节信息,因此在图像处理中得到了广泛的应用。\[2\] #### 引用[.reference_title] - *1* *3* [图像处理中滤波器(卷积核)](https://blog.youkuaiyun.com/q03581853/article/details/88404277)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [数字图像处理:理解什么是卷积(滤波)、卷积核以及相关参考资料](https://blog.youkuaiyun.com/LaoYuanPython/article/details/108841819)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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