卷积神经网络 - 如何获取特征地图？

我读了几本书和有关卷积神经网络的文章，看来我理解这个概念，但我不知道如何把它像在下面的图像： alt text http://what-when-how.com/wp-content/uploads/2012/07/tmp725d63_thumb.png 卷积神经网络 - 如何获取特征地图？

从28x28像素归INPUT我们得到4功能地图的大小24x24。但如何得到它们？调整INPUT图像的大小？或执行图像转换？但是什么样的转变？或通过4角将输入图像切割成4个大小为24x24的图像？我不明白这个过程，对我来说，似乎他们在每一步都会将图像缩小或调整为较小的图像。请帮助谢谢。

来源

2009-08-21 Nhu Phuong

您可以列举您阅读的卷积神经网络的书籍/文章吗？提前致谢。 – lmsasu 2011-12-30 13:57:43

这是来自神经网络和学习机器，第三版的书 – 2011-12-30 15:22:21

+10

我也很困惑，这个卷积实际上是非常重要的部分（因此名称'卷积NN'），但大多数人似乎专注于解释CNN如何工作，并忽略“如何获取功能地图”部分。我很困惑（也很生气），直到我找到这个网站：http://www1.i2r.a-star.edu.sg/~irkhan/conn2.html 它用简单的英语解释了一切。 – 2013-04-20 05:08:48

这是CONV2函数的matlab帮助文件，用于CNN Matlab（获取卷积图层）。仔细阅读，你会看到你的答案。

%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).**

来源

2011-07-22 14:19:08 Vadym

卷积神经网络 - 如何获取特征地图？

回答

相关问题