CNN多通道卷积与1*1卷积

多通道卷积:

输入图片:n*n*n_{channels}

卷积核:n_{kernels}n*n*n_{channels}

输出图片:n*n*n_{kernels}

CNN多通道卷积与1*1卷积_第1张图片

1*1卷积的特殊情况:

输入图片:n*n*n_{channels}

卷积核:n_{kernels}1*1*n_{channels}

输出图片:n*n*n_{kernels}

input:R,G,B; output:purple,yellow

purple=α1×R+α2×G+α3×B

yellow=β1×R+β2×G+β3×B

可以看出,1*1卷积类似于神经网络的全连接层。新的层就是输入feature map的线性组合,实现了通道数的增加或减少,同时跨通道整合了不同层feature map的信息。

你可能感兴趣的:(深度学习,神经网络)