1.如何理解卷積?
筆記來源:【小影片】徹底理解卷積【超形象】卷的由來,小元老師
1.1 角度一(概率統計)
概率中的卷積提供了一種得到隨機變數之和的概率密度函式方式,卷積是一種運算,概率中用 ? \ast ?來表示
以兩個隨機變數為例
兩個相互獨立的隨機變數
X
X
X和隨機變數
Y
Y
Y的概率密度函式通過卷積得到隨機變數之和
X
+
Y
X+Y
X+Y的概率密度函式
假設第一行為某人數學考試的可能得分、第二行為某人英語考試的可能得分【假設滿分20】
獲得每個分數的概率為
1
/
20
1/20
1/20,此人兩科總分為35分的概率是多少?

S ( 35 ) = f ( 15 ) g ( 35 ? 15 ) + f ( 16 ) g ( 35 ? 16 ) + f ( 17 ) g ( 35 ? 17 ) + f ( 18 ) g ( 35 ? 18 ) + f ( 19 ) g ( 35 ? 19 ) + f ( 20 ) g ( 35 ? 20 ) S ( 35 ) = f ( 15 ) g ( 20 ) + f ( 16 ) g ( 19 ) + f ( 17 ) g ( 18 ) + f ( 18 ) g ( 19 ) + f ( 19 ) g ( 16 ) + f ( 20 ) g ( 15 ) S ( 35 ) = 1 20 ? 1 20 + 1 20 ? 1 20 + 1 20 ? 1 20 + 1 20 ? 1 20 + 1 20 ? 1 20 + 1 20 ? 1 20 = 6 20 S(35)=f(15)g(35-15)+f(16)g(35-16)+f(17)g(35-17)+f(18)g(35-18)+f(19)g(35-19)+f(20)g(35-20)\\ ~\\ S(35)=f(15)g(20)+f(16)g(19)+f(17)g(18)+f(18)g(19)+f(19)g(16)+f(20)g(15)\\ ~\\ S(35)=\frac{1}{20}\cdot \frac{1}{20}+\frac{1}{20}\cdot \frac{1}{20}+\frac{1}{20}\cdot \frac{1}{20}+\frac{1}{20}\cdot \frac{1}{20}+\frac{1}{20}\cdot \frac{1}{20}+\frac{1}{20}\cdot \frac{1}{20}=\frac{6}{20}\\ S(35)=f(15)g(35?15)+f(16)g(35?16)+f(17)g(35?17)+f(18)g(35?18)+f(19)g(35?19)+f(20)g(35?20) S(35)=f(15)g(20)+f(16)g(19)+f(17)g(18)+f(18)g(19)+f(19)g(16)+f(20)g(15) S(35)=201??201?+201??201?+201??201?+201??201?+201??201?+201??201?=206?
S
(
z
)
=
∑
n
f
(
x
n
)
g
(
y
n
)
z
=
x
n
+
y
n
、
y
n
=
z
?
x
n
S
(
z
)
=
∑
n
f
(
x
n
)
g
(
z
?
x
n
)
S(z)=\sum_{n}f(x_n)g(y_n)\\ ~\\ z=x_n+y_n、y_n=z-x_n\\ ~\\ S(z)=\sum_{n}f(x_n)g(z-x_n)
S(z)=n∑?f(xn?)g(yn?) z=xn?+yn?、yn?=z?xn? S(z)=n∑?f(xn?)g(z?xn?)
為方便上下兩行能夠很好的對應起來,我們將上面一行進行翻轉



如果將上面的兩行資料放置到坐標軸上,下圖中的斜線為兩個變數的和的所有情況




1.2 角度二(信號處理)
參考自:最容易理解的對卷積(convolution)的解釋
在打巴掌程序中的某一固定的時刻,你的臉上的包的鼓起程度與之前每次打你都有關!但是各次的貢獻是不一樣的,越早打的巴掌,貢獻越小,所以這就是說,某一時刻的輸出是之前很多次輸入乘以各自的衰減系數之后的疊加而形成某一點的輸出,然后再把不同時刻的輸出點放在一起,形成一個函式,這就是卷積
f(a)就是第a個巴掌,g(x-a)就是第a個巴掌在x時刻的作用程度,乘起來再疊加就是卷積,卷積之后的函式就是你臉上的包,其大小隨時間變化的函式
截圖來源:【小影片】徹底理解卷積【超形象】卷的由來,小元老師

【注:本人未學過信號與系統,只是簡單套用,概念套用不一定正確】
我們設輸入信號的函式為
f
(
t
)
f(t)
f(t),信號衰減系數的函式為
g
(
z
?
t
)
g(z-t)
g(z?t)
則第9s時信號有多少?【0-9s期間不斷有信號輸入,期間也有信號衰減】
s
(
9
)
=
∫
0
9
f
(
t
)
g
(
9
?
t
)
d
t
s(9)=\int_0^9f(t)g(9-t)dt
s(9)=∫09?f(t)g(9?t)dt
為方便信號與其衰減系數對應,我們將信號函式影像翻轉



筆記來源:Convolution and Unit Impulse Response
左側為某個單位脈沖輸入,右側為其對應的單位脈沖回應

左側為多個單位脈沖輸入,右側為其分別對應的單位脈沖回應

假設我們要了解某個時刻(紅色箭頭)的所有脈沖情況,那么從紅色箭頭這里“截斷”

“截斷”后的情況


紅色矩形的面積為當前時刻的脈沖總輸出


1.3 角度三(影像處理)
圖片來源:數字影像處理:理解什么是卷積(濾波)、卷積核以及相關參考資料
影像處理中的卷積運算規則如下圖:

截圖來源:Convolutions in image processing | Week 1 | MIT 18.S191 Fall 2020 | Grant Sanderson

移動的為卷積核,此例中左側圖形經過卷積運算后影像變得模糊

轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/428556.html
標籤:AI
上一篇:pandas在dataframe指定位置添加新的資料列、使用insert函式
下一篇:Seaborn使用lmplot函式可視化散點圖并添加回歸曲線、移除默認的回歸曲線置信區間(Scatter plot with regression line、Remove CI band)
