你知道有哪些基本的卷积经网络吗?? - 知乎

10/18 09:47
阅读数 39

问题引入

大家都知道卷积神经网络,那么基本的卷积神经网络的类别包括哪些

问题解答

​ 常见的卷积主要是由连续紧密的卷积核对输入的图像特征进行滑窗式点乘求和操作,除此之外还有其他类型的卷积核在不同的任务中会用到,具体分类如表所示。​

标准卷积:最常用的卷积核,连续紧密的矩阵形式可以提取图像区域中的相邻像素之间的关联关系,3\times3的卷积核可以获得3\times3像素范围的感受视野。

扩张卷积(带孔卷积或空洞卷积):引入一个称作扩张率(Dilation Rate)的参数,使同样尺寸的卷积核可以获得更大的感受视野,相应的在相同感受视野的前提下比普通卷积采用更少的参数。同样是3\times3的卷积核尺寸,扩张卷积可以提取5\times5范围的区域特征,在实时图像分割领域广泛应用

转置卷积:先对原始特征矩阵进行填充使其维度扩大到适配卷积目标输出维度,然后进行普通的卷积操作的一个过程,其输入到输出的维度变换关系恰好与普通卷积的变换关系相反,但这个变换并不是真正的逆变换操作,通常称为转置卷积(Transpose Convolution)而不是反卷积(Deconvolution)。转置卷积常见于目标检测领域中对小目标的检测和图像分割领域还原输入图像尺度。

可分离卷积:标准的卷积操作是同时对原始图像H\times W\times C三个方向的卷积运算,假设有K个相同尺寸的卷积核,这样的卷积操作需要用到的参数为H\times W\times C\times K个;若将长宽与深度方向的卷积操作分离出变为H\times WC的两步卷积操作,则同样的卷积核个数K,只需要(H\times W + C)\times K个参数,便可得到同样的输出尺度。可分离卷积(Seperable Convolution)通常应用在模型压缩或一些轻量的卷积神经网络中,如MobileNet、Xception等。

欢迎关注我的公众号,第一时间追踪相关面试题和总结:百面机器学习。回复干货获取相关资料和面试题总结(定期更新)。

参考

[1] 卷积神经网络四种卷积类型_内核

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部