卷積神經網路如何應用在彩色圖像上?

本人初學神經網路,發現絕大多數卷積神經網路都是應用在灰度圖像上的,如何將它應用在彩色圖像上呢?


題主的印象中卷積的計算過程是不是如下圖?

而實際上,這只是一種你說的channel等於1的灰度圖輸入的情況

一般情況下的計算過程是這樣的:

左列的X是輸入的圖像(此處channel是3,也可理解為RGB即你說的彩色圖像),中間紅色的兩列是我們的kernel(即3*3的filter),共兩個(即輸出的feature通道為2)。最後一列為卷積之後的特徵(由於2個kernel,輸出通道為2)。

那麼,由上面的過程可以看出,輸入是3維(hight*width*channel)的,kernel實際也是三維的。卷積網路的特徵變化可以用下圖表示:

題主說的灰度圖,只是在輸入的時候channel等於1的情況而已,中間也會被N個kernel擴展為N個channel。圖片2.3來源於斯坦福大學神經網路課程


分通道單獨處理


每一個通道當做一個feature map。。見:深度學習筆記1(卷積神經網路)


分通道單獨處理感覺沒有很好地利用彩色圖像的顏色特徵,只是把圖像能用到的東西用到而已,在一定程度上會比灰度圖像所表達的特徵要好


分開處理不是跟灰度圖一樣的


推薦閱讀:

matlab如何讀入混合變數格式的dat文件?
如何實現多維數組的行 / 列按照 index 訪問都得到連續內存?
matlab有類似c語言struct又能用tabulate處理的類型嗎?
matlab中,一個m文件為什麼設計成只能定義一個函數?
電動汽車基於模型設計的實現思路是怎樣的?

TAG:MATLAB | 神經網路 |