對計算機視覺與深度學習有所了解的同學應該知道圖像卷積可以識別出物體，在神經網絡的前幾層，識別出物體最基礎的例如垂直或是水平的邊緣。在之后的隱藏層慢慢可以識別出物體的部分，直到最后幾層可以識別出完整的物體。

本篇文章主要介紹卷積層為何可以檢測出這些。

先介紹一個概念，過濾器：

這是一個3*3的過濾器，是一個矩陣，數值如上所示，一會介紹這是干嘛用的。

假設我們有一個6*6的灰度圖像：

把這個圖像與過濾器進行卷積運算，卷積運算在此處用“*”表示。

我們看一下發生了什么事，把過濾器最準圖像左上方3*3的范圍，逐一相乘并相加，得到-5。

同理，將過濾器右移進行相同操作，再下移，直到過濾器對準圖像右下角最后一格。依次運算得到一個4*4的矩陣。

OK，了解了過濾器以及卷積運算后，讓我們看看為何過濾器能檢測物體邊緣：

舉一個最簡單的例子：

這張圖片如上所示，左半邊全是白的，右半邊全是灰的，過濾器還是用之前那個，把他們進行卷積：

可以看到，最終得到的結果中間是一段白色，兩邊為灰色，于是垂直邊緣被找到了。為什么呢？因為在6*6圖像中紅框標出來的部分，也就是圖像中的分界線所在部分，與過濾器進行卷積，結果是30。而在不是分界線的所有部分進行卷積，結果都為0.

在這個圖中，白色的分界線很粗，那是因為6*6的圖像實在太小了，若是換成1000*1000的圖像，我們會發現在最終結果中，分界線不粗且很明顯。

這就是檢測物體垂直邊緣的例子，水平邊緣的話只需將過濾器旋轉90度。
--------------------- ?
作者：超屌的溫jay ?
來源：CSDN ?
原文：https://blog.csdn.net/wenqiwenqi123/article/details/79248626 ?
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！

總結

以上是生活随笔為你收集整理的深度学习--简述卷积层如何检测物体边缘原理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。