在机器学习和图像处理领域，卷积的主要功能是在一个图像（或某种特征）
上滑动一个卷积核（即滤波器），通过卷积操作得到一组新的特征。在计算卷积
的过程中，需要进行卷积核翻转。在具体实现上，一般会以互相关操作来代替
卷积，从而会减少一些不必要的操作或开销。 互相关（Cross-Correlation）是一
个衡量两个序列相关性的函数，通常是用滑动窗口的点积计算来实现。给定一
个图像X∈RM×NX \in \mathbb{R}^{M \times N}X∈RM×N 和卷积核W∈Rm×nW \in \mathbb{R}^{m \times n}W∈Rm×n，它们的互相关为
yij=∑u=1m∑v=1nwuv⋅xi+u−1,j+v−1
y_{i j}=\sum_{u=1}^{m} \sum_{v=1}^{n} w_{u v} \cdot x_{i+u-1, j+v-1}
yij=u=1∑mv=1∑nwuv⋅xi+u−1,j+v−1
- ps： 翻转就是从两个维度（从上到下、从左到右）颠倒次序，即旋转180度。
和公式(5.6)对比可知， 互相关和卷积的区别在于卷积核仅仅是否进行翻转。因
此互相关也可以称为不翻转卷积
扫一扫
5869
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
