【QA】卷積神經網路(CNN)的卷積層(Convolution)是如何運作的??
說到深度學習的CNN，大家想到的第一個用途肯定是影像辨識 那麼，為何要使用CNN來做影像辨識呢， 下面想以CNN中的卷積層(Convolution)來跟各位介紹，為何使用CNN以及其中的卷積層是如何運作的
回答列表
-
2021/08/14 下午 01:44Ray贊同數：0不贊同數：0留言數：0
卷積層(Convolution)的運作方式基本上是使用卷積核(Kernels)滑動對圖像做特徵提取，常見的Kernel大小有1乘1, 3乘3, 5乘5, 7乘7，之所以大多為奇數是因為奇數的卷積核有中心點，較容易對齊確認位置資訊，再者是因為奇數的卷積核能確保填充(Padding)的對稱性，而卷積核做特徵提取的方式如下圖：  當卷積核在做特徵提取的過程中還有兩個重要的參數：步長(Strides)與填充 (Padding) 這三個參數會決定最後Feature map的輸出尺寸，Feature map的輸出尺寸計算公式如下圖： $$$$ Output=\frac{Input+2\times Padding-kernel}{stride} +1 $$$$ 步長(Strides)為控制圖像長寬尺寸的方式之一，下圖中的Kernel步長分別為1、2，可以觀察到輸出的Feature map大小也不同，雖然通常長寬上的步長會設為相等，但我們也可以透過不同的長寬步長控制Feature map不同維度尺度的變化。  填充 (Padding)一般來說可以分為三種： Same Padding：在Stride為1時，會讓輸出Feature map與輸入圖像維持一樣的尺寸，可參考下方程式碼。而當Stride大於1時，輸出Feature map寬、高等於輸入影像寬、高/Stride(小數值無條件進位)。  Valid Padding：當卷積核全部都在圖像內時開始卷積，不會特別去補值，因此會讓輸出的Feature map尺寸下降，而當遇到卷積無法完整卷積的狀況則會直接捨棄多出來的像素。  Full Padding：在卷積核與圖像一開始接觸的地方開始做卷積，而其餘非圖像部分則補值為0的像素。 