知识卡片

普通读书笔记卡 · 9450.e · 生成模型:Tencent Hunyuan Hy

卷积运算提取边缘

理解等级:中级

卷积是提取图像特征的核心运算,动机来自一个观察:物体特征多出现在边缘,而边缘处相邻像素颜色变化大,平坦背景变化小。于是不必扫描整幅图找特征,只需用卷积运算放大“变化大的地方”。做法类似神经元加权求和:用一个小矩阵(卷积核)作为单位响应,在图像大矩阵上滑动,每个位置对应元素相乘再求和(内积),结果组成新图像。处理灰度图用二维核,处理 RGB 图用 3×3×3 的三维核对应三通道。边界在于:卷积提取的是低级边缘特征,去掉了变化不明显的背景,但单靠它分类正确率仍不够。启发是——抓住“信号突变处信息量最大”,可以用很小的局部算子高效筛选关键信息。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第11章《图像识别与卷积神经网络》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00016.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文用图像边缘像素颜色变化大的特点说明不必扫描全图,并把卷积核定义为对大矩阵求内积的小矩阵,支撑“卷积通过局部内积提取边缘特征”的结论。 - 原始内容:在图像数据中用一个小的矩阵作为单位响应,对一个大的矩阵求内积,即每个位置对应的数字相乘之后的和,如图 11-8 所示,最后得出结果。通常我们把这个小矩阵称为“卷积核”。