卷積神經網路一般是來做影像識別的，比如給你多個不規則的字符”X“，如何識別出它是“X”而不是其它字母呢？
下圖中兩個“X”是不相同的，但是看圖中箭頭所指地方相同顏色部分還是區域相同的，所以卷積神經網路識別影像的第一步是把影像的區域特征給找出來，再把區域特征交由神經網路去判定，如何找出影像的區域特征呢？就是對影像進行卷積操作，
而這里的對影像的卷積操作不是我前面講的那樣去處理一個像素點和周圍像素點的關系，
如下圖，我們可以用如下兩個卷積核對影像進行操作：
操作的結果就是一個把垂直邊界給選出來而忽略了橫向邊界，一個是忽略垂直方向的邊界，只把左右方向的邊界選出來，這雖然還是做的卷積操作，但它是把影像里的一些區域特征給選出來，所以卷積核挑選合適的話，它就可以對影像進行過濾，把一些特征給保存下來，其它的特征就被過濾掉，這樣的卷積核也叫過濾器，
所以我們可以理解卷積核就是一個主動去對像素挑選的一個模板，當它不想考慮某些像素點的時候，你就把相應位置設定成0，你想重點考慮某個位置的時候，你可以把這個位置的值設定的比較高，
如下圖，利用不同的過濾器來操作識別“X"，利用如圖的三個卷積核就可以把三個特征都找出來(左對角線上全是1，右對角線上全是1，x位置上是1），卷積操作后，等號右邊的每個像素點會得到不同的值，神經網路通過對這些特征資訊的判決，就可以進行影像識別了，
總結一下：前面講的倉庫進貨和出貨率的問題、影像平滑卷積問題、卷積神經網路的特征挑選問題，數學意義都是一致的，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/396345.html
標籤：其他
上一篇：用Python教你批量下載某筷視頻，防止作者視頻突然消失
下一篇：函式影像畫法（一）