4.4特殊應用:人臉識別和神經網路風格轉換

覺得有用的話,歡迎一起討論相互學習~Follow Me

4.11一維和三維卷積

二維和一維卷積

* 對於2D卷積來說，假設原始影象為14∗14∗3$14\ast 14\ast 3$的三通道影象，使用32個5∗5∗3$5\ast 5\ast 3$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$10\ast 10\ast 32$大小的特徵圖。
* 對於1D卷積而言，假設原始影象為14∗1$14\ast 1$的單通道灰度影象，使用16個5∗1∗1$5\ast 1\ast 1$的卷積核(因為處理的是單通道影象，所以第一層卷積核的最後一維度為1)進行卷積，則得到大小為

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。本質上這個資料是三維的，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