当前位置：首页 > news >正文

网站开发架构烟台网站设计制作公司电话

news 2025/9/18 15:44:27

网站开发架构,烟台网站设计制作公司电话,国内网页加速器,半岛建设公司网站前言参考： 《数字图像处理与机器视觉》第五章空间域图像增强， 图像卷积： 空间域图像增强图像增强是根据特定需要突出一副图像中的某些信息，同时削弱或去除某些不需要信息的处理方法,其主要目的是是的处理后的图像对某种特定的…

前言

参考：《数字图像处理与机器视觉》第五章空间域图像增强，

图像卷积：空间域图像增强

图像增强是根据特定需要突出一副图像中的某些信息，同时削弱或去除

某些不需要信息的处理方法,其主要目的是是的处理后的图像对某种特定的应用来说

比原始图像更适用。因此这类处理时为例某种特殊应用，去改善图像的质量，处理

的结果更适合于人的观察或机器的识别系统

1：卷积

2： LeNet-5

3： Conv2d

一卷积

卷积神经网络的核心是卷积层

1.1 卷积定义

对图像的每一个点（x,y）执行以下操作

1：对预先定义的以（x,y）为中心点的领域内的像素运算

2：将1中的运算结果作为（x,y)点新的响应

用数学公式来表示

$g(x,y)=\sum_{s=-a}^{a}\sum_{t=-b}^{b} k(s,t) f(x-s,y-t)$

图像 $f(x,y)$

卷积核 $k(s,t)$

如下图

1.2 卷积网络中的卷积

在传统的数字图像处理里面，卷积核权重系数大小是固定的，

深度学习里面需要预先定义一下，通过训练得到里面权重系数

kernel channel	卷积核的个数
kernel size	卷积核大小
stride	滑动的步伐，决定滑动多少步可以到图像边缘
padding	填充系数，填0 或边缘像素的扩展，总长能被步长整除。

1.3 input

N	图片的个数
channel	图片的通道，如RGB c=3, 灰度图 c=1
width	图片的宽度
height	图片的高度

例：

二 LeNet-5

输入

[1,1,28,28]

1	1	28	28
图像个数	网络输入的通道数，灰度图=1	图像宽	图像高

LeNet-5 共包含 8 层

C1 卷积层

[6,1,5,5]

m=6	channel=1	width=5	height=5
网络输出的通道数: 卷积核个数	网络输入的通道数：图像的通道	卷积核的宽	卷积核的高

卷积核的channel 数必须和输入的channel 一致

偏置 bias: 每个卷积核对应一个bias,共6个

输出6张28*28特征图

C1 有 156 个可训练参数（每个滤波器 5x5=25 个 bunit 参数和一个 bias 参数，一共 6 个滤波器，共(5x5+1)x6=156个参数，共 156x(28x28)=122,304个连接。

S2 采样层

有 6 个 14x14 的特征图。特征图中的每个单元与 C1 中相对应特征图的 2x2 邻域相连接。S2层每个单元的 4 个输入相加，乘以一个可训练参数，再加上一个可训练偏置。每个单元的 2x2 感受野并不重叠，因此 S2 中每个特征图的大小是 C1 中特征图大小的 1/4（行和列各 1/2）。

2*2池化层

输出 6个14*14 特征图

S2 层有 12个（6x（1+1）=12）个可训练参数和 5880（14x14 （2 2+1） 6=5880）个连接。

C3 卷积层

卷积核

m=16	channel=1	width=5	height=5
输出的通道数	输入的通道数	卷积核的宽	卷积核的高

输出 16个10*10的feature map

S4 下采样层

由 16 个 5x5 大小的特征图构成。特征图中的每个单元与 C3 中相应特征图的 2x2 邻域相连接，跟 C1 和 S2 之间的连接一样。S4 层有 32 个可训练参数（每个特征图1个因子和一个偏置16x（1+1）=32）和 2000（16 （2 2+1）x5 x5=2000）个连接。

C5 卷积层

卷积核

m=120	channel=1	width=1	height=1
卷积核个数	图像的通道	卷积核的宽	卷积核的高

输出有 120 。由于 S4 层特征图的大小也为 5x5 （同滤波器一样），故 C5 特征图的大小为 1x1（5-5+1=1），这构成了 S4 和 C5 之间的全连接。

F6 全连接层

有 84 个单元（之所以选这个数字的原因来自于输出层的设计）

，与 C5 层全相连。有 10164（84x(120x(1x1)+1)=10164）个可训练参数。如同经典神经网络，F6 层计算输入向量和权重向量之间的点积，再加上一个偏置。然后将其传递给 sigmoid 函数产生单元i的一个状态。

最后，输出层由欧式径向基函数（Euclidean Radial Basis Function）单元组成，每类一个单元，每个有 84 个输入。

三 Conv2d函数详解

 def __init__(self,in_channels: int,out_channels: int,kernel_size: _size_2_t,stride: _size_2_t = 1,padding: _size_2_t = 0,dilation: _size_2_t = 1,groups: int = 1,bias: bool = True,padding_mode: str = 'zeros'  # TODO: refine this type):

参数	意义
in_channels	网络输入的通道数，RGB =3
out_channels	网络输出的通道数, 卷积核的个数
kernel_size	卷积核的大小
stride	是卷积过程中移动的步长。默认情况下是1。一般卷积核在输入图像上的移动是自左至右，自上至下
padding	填充，默认是0填充
dilation	dilation：扩张。一般情况下，卷积核与输入图像对应的位置之间的计算是相同尺寸的，也就是说卷积核的大小是3X3，那么它在输入图像上每次作用的区域是3X3，这种情况下dilation=0。当dilation=1时，表示的是下图这种情况
groups	分组。指的是对输入通道进行分组，如果groups=1，那么输入就一组，输出也为一组。如果groups=2，那么就将输入分为两组，那么相应的输出也是两组。另外需要注意的是in_channels和out_channels必须能整除groups。
bias	偏置参数，该参数是一个bool类型的，当bias=True时，表示在后向反馈中学习到的参数b被应用
padding_mode	填充模式， padding_mode=‘zeros’表示的是0填充

例

# -*- coding: utf-8 -*-
"""
Created on Mon May 15 15:31:26 2023@author: chengxf2
"""import torch
import torch.nn as nndef main():img = torch.randn(10,3,28,28)conv = nn.Conv2d(3,16,4,stride=2,padding=0)output = conv(img)print(output.shape)
main()
===============
out: torch.Size([10, 16, 13, 13])

输入：

10张RGB 图片，图片大小28*28

[10,3,28,28]

卷积核

[16,3,4,4]

输出

输出图像的宽度，高度利用下面的公式