卷积的计算的conv2
2017-12-15 11:19
197 查看
转: http://blog.csdn.net/Losteng/article/details/50996275
关于conv2函数的计算过程
假设有两个矩阵a,b,a的大小是ma行na列,b的大小是mb行nb列。
c=conv2(a,b)计算这两个矩阵的卷积,c的大小是ma+mb-1行,na+nb-1列。
计算过程如下:
1.对矩阵a进行边界填补0,填充规则是:在a的第一行之前和最后一行之后分别填充mb-1行0,并在a的第一列之前和最后一列之后分别填充nb-1列0;
2.对矩阵b进行翻转,上下换位左右换位。 rot90(b,2)或者fliplr(flipud(b))或者flipud(fliplr(b))
3.从左上角开始,按照先列后行的顺序在矩阵a上滑动矩阵b,对应的元素相乘然后求和所得的数值为相应的c中的值。
例子如下:
![](https://img-blog.csdn.net/20160405212313753)
NOTE:关于shape选项的说明;
当shape=full时,返回全部二维卷积结果,即返回c的大小为(ma+mb-1)x(na+nb-1)
shape=same时,返回与a同样大小的卷积中心部分
shape=valid时,不考虑边界补零,即只要有边界补出的零参与运算的都舍去,返回c的大小为(ma-mb+1)x(na-nb+1)
参考资料
http://www.worlduc.com/FileSystem/18/2518/590664/9f63555e6079482f831c8ab1dcb8c19c.pdf
http://redis.io/commands/setnx
http://www.blogjava.net/caojianhua/archive/2013/01/28/394847.html
关于conv2函数的计算过程
假设有两个矩阵a,b,a的大小是ma行na列,b的大小是mb行nb列。
c=conv2(a,b)计算这两个矩阵的卷积,c的大小是ma+mb-1行,na+nb-1列。
计算过程如下:
1.对矩阵a进行边界填补0,填充规则是:在a的第一行之前和最后一行之后分别填充mb-1行0,并在a的第一列之前和最后一列之后分别填充nb-1列0;
2.对矩阵b进行翻转,上下换位左右换位。 rot90(b,2)或者fliplr(flipud(b))或者flipud(fliplr(b))
3.从左上角开始,按照先列后行的顺序在矩阵a上滑动矩阵b,对应的元素相乘然后求和所得的数值为相应的c中的值。
例子如下:
NOTE:关于shape选项的说明;
当shape=full时,返回全部二维卷积结果,即返回c的大小为(ma+mb-1)x(na+nb-1)
shape=same时,返回与a同样大小的卷积中心部分
shape=valid时,不考虑边界补零,即只要有边界补出的零参与运算的都舍去,返回c的大小为(ma-mb+1)x(na-nb+1)
参考资料
http://www.worlduc.com/FileSystem/18/2518/590664/9f63555e6079482f831c8ab1dcb8c19c.pdf
http://redis.io/commands/setnx
http://www.blogjava.net/caojianhua/archive/2013/01/28/394847.html
相关文章推荐
- 卷积的计算的conv2
- Matlab中fileter和conv的区别及卷积的计算方法
- conv2卷积计算整理
- 图像卷积计算(存档)
- DFT频域相乘和时域卷积计算注意点
- MATLAB conv2卷积的实现
- caffe中的卷积的计算细节和1x1卷积作用
- 【Tensorflow】tf.nn.depthwise_conv2d如何实现深度卷积?
- 卷积后的图片大小计算
- 深度学习卷积网络中反卷积/转置卷积的理解 transposed conv/deconv
- caffe中CNN卷积计算量估算
- cnn学习之卷积或者池化后输出的map的size计算
- CNN 卷积之后 map大小的计算
- 在 Caffe 中如何计算卷积后的尺寸
- CNN-卷积计算
- 计算各种网络结构的卷积层和返回的感受野
- tf.nn.conv2d实现卷积的过程
- 卷积算子计算方法(卷积运算)
- Openblas加速三维矩阵卷积操作-增加num_output计算
- 【TensorFlow】tf.nn.conv2d实现卷积