Konwolucyjna sieć neuronowa - Jak uzyskać mapy funkcji?

czytam kilka książek i artykułów o splotowego sieci neuronowej, wydaje mi zrozumieć tę koncepcję, ale nie wiem jak umieścić go w górę jak w obrazek poniżej: alt text http://what-when-how.com/wp-content/uploads/2012/07/tmp725d63_thumb.png Konwolucyjna sieć neuronowa - Jak uzyskać mapy funkcji?

od 28x28 pikseli znormalizowana WEJŚCIE otrzymujemy 4 mapy funkcji o rozmiarze 24x24. ale jak je zdobyć? zmiana rozmiaru obrazu INPUT? lub przeprowadzanie transformacji obrazu? ale jakie transformacje? lub cięcie obrazu wejściowego na 4 kawałki wielkości 24x24 za 4 rogi? Nie rozumiem tego procesu, wydaje mi się, że na każdym etapie przycina lub zmienia rozmiar obrazu na mniejsze obrazy. proszę, dziękuję.

Źródło

2009-08-21 Nhu Phuong

Czy możesz wymienić książki/artykuły, które czytasz dla Convolutional sieci neuronowej? Z góry dziękuję. – lmsasu

To z Neural Networks and Learning Machines, trzecia edycja książki –

+10

Ja też byłem zdezorientowany, ta splot jest rzeczywiście bardzo ważną częścią (stąd nazwa 'convolutional NN'), ale większość ludzi wydaje się skupiać na wyjaśnieniu jak CNN działa, i zignoruj część "jak zdobyć mapy funkcji". Byłem zdezorientowany (i zły też), dopóki nie znalazłem tej strony: http://www1.i2r.a-star.edu.sg/~irkhan/conn2.html Wyjaśnia wszystko w prostym języku angielskim. –

To plik pomocy matlaba dla funkcji CONV2, która jest używana w CNN Matlab (aby uzyskać warstwy splotowe). Przeczytaj uważnie, a zobaczysz odpowiedź.

%CONV2 Two dimensional convolution. 
% C = CONV2(A, B) performs the 2-D convolution of matrices A and B. 
% If [ma,na] = size(A), [mb,nb] = size(B), and [mc,nc] = size(C), then 
% mc = max([ma+mb-1,ma,mb]) and nc = max([na+nb-1,na,nb]). 
% 
% C = CONV2(H1, H2, A) convolves A first with the vector H1 along the 
% rows and then with the vector H2 along the columns. If n1 = length(H1) 
% and n2 = length(H2), then mc = max([ma+n1-1,ma,n1]) and 
% nc = max([na+n2-1,na,n2]). 
% 
% C = CONV2(..., SHAPE) returns a subsection of the 2-D 
% convolution with size specified by SHAPE: 
%  'full' - (default) returns the full 2-D convolution, 
%  'same' - returns the central part of the convolution 
%    that is the same size as A. 
%  'valid' - returns only those parts of the convolution 
%    that are computed without the zero-padded edges. 
%    **size(C) = max([ma-max(0,mb-1),na-max(0,nb-1)],0).**

Źródło

2011-07-22 14:19:08 Vadym

Konwolucyjna sieć neuronowa - Jak uzyskać mapy funkcji?

Odpowiedz

Powiązane problemy