4.4特殊應用:人臉識別和神經網絡風格轉換
覺得有用的話,歡迎一起討論相互學習~
4.11一維和三維卷積
二維和一維卷積
- 對於2D卷積來說，假設原始圖像為\(14*14*3\)的三通道圖像，使用32個\(5*5*3\)的卷積核(其中3表示通道數，一般只關注感受野的大小，而卷積核的深度大小與輸入的通道數相同)進行卷積，則得到大小為\(10*10*32\)大小的特征圖。
- 對於1D卷積而言，假設原始圖像為\(14*1\)的單通道灰度圖像，使用16個\(5*1*1\)的卷積核(因為處理的是單通道圖像，所以第一層卷積核的最后一維度為1)進行卷積，則得到大小為\(10*16\)的特征圖，其中10表示列的數量，1維數據行的數量默認為1,16表示通道數，與進行處理的卷積核數量一致。
3D卷積
- 以CT圖片為例，以X光照射人體，可以獲得貫穿你身體的不同片段圖片。本質上這個數據是三維的，其具有高度，寬度和深度，其中的每一張圖片都與人體不同深度的切片相對應。
- 注意 3D卷積和2D卷積一樣長寬和高並不一定要相等，其在長寬和高上都有維度，卷積核的長寬和高在維度上也不一定要一致
