1、卷积核的概念，卷积核的size，就是滑动窗口的大小，例如原始数据为28*28的手写数字，滑动窗口size为5*5，则卷积核的size为5*5。卷积核就是权重集合，就是5*5+1。1表示偏置项。卷积核就是输入层的25个点+1个偏置项，链接卷积层的一个点后的权重值集合W。2、feature map ...
分类：
其他好文 时间：
2014-11-19 21:46:59
阅读次数：
265
这节来介绍一下频率域滤波。 在空间域内，我们是直接对像素进行操作以增强图像的有用信息。像高斯平滑，是取一个模板与图像进行卷积操作，得到处理后的图像。不同的变换域可以很方便的解决某种问题，例如空间域中值滤波是取一个区域的中值替代中间像素的灰度，可以很好的去除椒盐噪声例如下图中的（1）（2）（3）...
分类：
其他好文 时间：
2014-11-19 00:17:55
阅读次数：
322
最近，我发现自己对于一个事情，如果不给自己一个说服自己的理由，就会出现不能理解，不能记住，以至于不会使用或者“盲目”应用的情况。但是，我学的这个学科就是应当建立在对信号作用过程的理解上面的。下面，阐述一种说得过去的卷积的理解方法。假如系统是一个非因果系统（即系统输出只与当前时刻的输入有关），y(t)...
分类：
其他好文 时间：
2014-11-13 18:15:18
阅读次数：
285
卷积，为了更好的“动态”滤波！
问题来了，为什么用卷积滤波，而不是很简单的在频率领域内进行数据的频率处理？
为了强调我认为的答案，已经用blog标题给出了。卷积，为了更好的“动态”滤波！
有心人可能会思考这样的问题，对于带有噪声的输入信号，要滤去高频噪声（如下图中的信号，我特意假定输入为y = sin（1...
分类：
其他好文 时间：
2014-11-13 12:58:12
阅读次数：
139
Tenegrad函数式一种常用的图像清晰度评价函数，是一种基于梯度的函数。
在图像处理中，一般认为对焦好的图像具有更尖锐的边缘，故具有更大的梯度函数值。
Tenegrad函数使用Sobel算子提取水平和垂直方向的梯度值。具体过程如下：
设Sobel卷积核为，，则图像在点处的梯度
定义该图像的Tenegrad值为
其中为图像中像素总数。
实现代码如下：
#inclu...
分类：
其他好文 时间：
2014-11-12 21:18:04
阅读次数：
301
卷积是一种线性运算,图像处理中常见的mask运算都是卷积，广泛应用于图像滤波。castlman的书对卷积讲得很详细。高斯变换就是用高斯函数对图像进行卷积。高斯算子可以直接从离散高斯函数得到：for(i=0; i<N; i++){for(j=0; j<N; j++){g[i*N+j]=exp(-((i...
分类：
其他好文 时间：
2014-11-11 22:34:48
阅读次数：
263
I am doing something about convolving images in Python and for sake of speed I chose opencv 2.4.9.Opencv offers a way calledfilter2Dto do this and her...
分类：
其他好文 时间：
2014-11-11 18:42:55
阅读次数：
291
LeNet-5是一种用于手写字符识别的卷积神经网络（效果见这），为了熟悉theano的卷积神经网络工具包，对它进行了研究。1. 模型2. ConvPoolLayerclass ConvPoolLayer(object): """ 卷积层 """ def __init__(self...
分类：
其他好文 时间：
2014-11-09 23:26:53
阅读次数：
685
1，卷积：卷积的时域解释可类比为摔跤后疼痛感的持续，不同时刻的输入x（m）都对输出有影响，影响的大小取决于m时刻后的影响因子h（n-m），则此时（n时刻）的输出受m时刻的影响为x（m）*h（n-m），再考虑其他时刻的影响，则卷积公式得出。从频域理解的话就是系统输出的傅里叶变换=输入的傅里叶变换*频率...
分类：
其他好文 时间：
2014-11-06 14:25:21
阅读次数：
194
9.5、Convolutional Neural Networks卷积神经网络 卷积神经网络是人工神经网络的一种，已成为当前语音分析和图像识别领域的研究热点。它的权值共享网络结构使之更类似于生物神经网络，降低了网络模型的复杂度，减少了权值的数量。该优点在网络的输入是多维图像时表现的更为明显，使图像可...
分类：
其他好文 时间：
2014-11-06 10:50:42
阅读次数：
270
