【QA】Convolution 的數理涵義為何？
Convolution也就是卷積，是進行影像辨識深度學習不可或缺的角色，近年來也廣泛用於時間序列、文字探勘領域中；然而，若從計算公式來說，Convolution的計算邏輯為何？
回答列表
-
2021/11/24 下午 04:14王健安贊同數：0不贊同數：0留言數：0
Convolution是影像辨識中常用於特徵擷取的技巧， 主要會將圖片中某塊區域以「線性組合」方式計算出最具代表性的值， 以下圖為例， 將左邊的圖中左上角的區塊先擷取出來， 可得知它的像素由左到右、由上到下分別是：255, 255, 255, ..., 0, 0, 0； 而用來擷取特徵的參數也會是一個 3*3 的結構， 由左到右、由上到下分別是：0, 0, 0, 1, 1, 1, 0, 0, 0； 將每個像數乘以某個參數並總和後， 就會得到最具代表性的值。  透過將「某個區域」的線性組合， 得出對特定區域而言格外有價值的資訊， 而這樣的概念其實也能用到其他領域， 其中自然語言處理就是典型的案例， 當文本被切割成許多字詞，並給與特定的Embedding後， 就很像一張圖片了吧！！（如下圖）  而我們就可以用CNN的想法， 將特定字詞藉由線性組合計算出格外有資訊的值或向量（如下圖）， 不只比RNN還有有效能與運算上的優勢，也更符合人在閱讀時的習慣。  除此之外， 圖神經網路（GNN）中的Graph Convolution Network (GCN)更是典型案例， 透過每個點周圍鄰居的線性組合， 得出該點與鄰居之間代表性的值， 在GNN當中相當經典的應用。  參考資料 * [ ] https://iter01.com/480243.html * [ ] http://web.ntnu.edu.tw/~algo/Convolution.html * [ ] https://chih-sheng-huang821.medium.com/%E5%8D%B7%E7%A9%8D%E7%A5%9E%E7%B6%93%E7%B6%B2%E8%B7%AF-convolutional-neural-network-cnn-%E5%8D%B7%E7%A9%8D%E9%81%8B%E7%AE%97-%E6%B1%A0%E5%8C%96%E9%81%8B%E7%AE%97-856330c2b703 * [ ] https://ithelp.ithome.com.tw/articles/10202856 * [ ] https://medium.com/hallblazzar-%E9%96%8B%E7%99%BC%E8%80%85%E6%97%A5%E8%AA%8C/%E5%AD%B8%E7%BF%92%E6%89%8B%E8%A8%98-cnn-based-nlp-application-eb803b17cd13