卷积网络的入口,对于彩色图像R,G,B三个通道是如何处理的?

已邀请:

shuokay

赞同来自: moyan 筱黎2124135913

很显然,题主还没有真正理解现在的convolution的具体算法。
1. 题主有没有搞明白除了输入图像,后面那些层的卷积是怎么做的?如果明白的话,这个问题就很好回答了,假设后面某个feature map是通过N个卷积核生成的,那么,对于入口的彩色图像,N=3就可以了。
2. 题主尚未搞明白卷积是怎么做的。首先,要明白,卷积是3维的卷积。比如说,我第N层共有n个通道(输入的话,对应的是RGB 3个通道),那么,对于一个 k*k的卷积(caffe中的描述),实际上,这个卷积核的大小应该是k*k*n,理解这一点之后,答案就很显然了,这k*k*n个卷积的element与目标中的k*k区域的深度问n的所有"像素点"对应相乘然加起来。
感觉描述的不清楚,囧……
就是3维的卷积,3维的卷积啊~

辛淼 - CaffeCN社区创始人

赞同来自: moyan 筱黎2124135913

请查看这个问题:http://caffecn.cn/?/question/158

要回复问题请先登录注册