学习笔记4 Supervised Convolutional Neural Network 之 Convolution and Pooling

smallplum123

于 2016-02-12 16:05:09 发布

阅读量361

点赞数

CC 4.0 BY-SA版权

分类专栏： UFLDL course notes

本文链接：https://blog.youkuaiyun.com/smallplum123/article/details/50654756

UFLDL course notes 专栏收录该内容

6 篇文章

订阅专栏

本文详细介绍了卷积神经网络中的两个核心概念：卷积(Convolution)与池化(Pooling)。通过使用Matlab的conv2函数进行卷积运算，并展示了如何实现不同类型的池化方法，包括平均池化(mean-pooling)和最大池化(max-pooling)。

一、Convolution

这里写图片描述

对一个 r×c 的 Image 用 k个 a×b
的滤波器做卷积，则得到k × (r - a + 1) × (c - b + 1)的特征。

利用 matlab 的 conv2 函数操作十分方便。

convolvedImage = conv2(im, filter, 'valid');

二、Pooling

这里写图片描述

Pooling 一般用mean 或 max - pooling。如图所示。这里在 matlab 里有个技巧是利用卷积进行求mean-pooling.

pooling具有尺寸不变形，起到降维的作用。

filter = ones(poolDim)./(poolDim*poolDim);
for imageNum = 1:numImages
    for featureNum = 1:numFilters
        convolvedImage = convolvedFeatures(:, :, featureNum, imageNum);
        pooledImage = conv2(convolvedImage, filter, 'valid');
        pooledImage = pooledImage(1:poolDim:end, 1:poolDim:end);
        pooledFeatures(:, :, featureNum, imageNum) = pooledImage;
    end
end