卷積窗

卷積窗，又名卷積層視窗，卷積視窗等，是卷積神經網路中卷積層對數據進行卷積處理的矩陣。卷積窗用於提取輸入數據中的特徵信息。

基本介紹

• 中文名：卷積窗
• 定義：卷積神經網路中卷積層對數據進行卷積處理的矩陣

定義

卷積神經網路已成功地套用於圖像識別領域。卷積神經網路在對原始數據的處理過程中，在卷積層中需要提取原始數據的特徵。為提取數據特徵使用的權重矩陣，稱為卷積窗。

性質

在某種意義上，可以將卷積視窗理解成一個過濾器。在卷積神經網路中，視窗滑動，卷積窗對局部數據計算，逐步得到處理後的數據矩陣。處理後的數據矩陣保留了原始數據的部分特徵。在對圖片數據的處理過程中，一個卷積窗的處理後數據相對於是從一個維度觀察圖片的結果，保留了圖片的一個維度的特徵。

套用

卷積神經網路的運算過程如圖1所示：

圖1的左側為原始圖像數據，對於彩色圖像來說，圖像數據中含有RGB三基色數據，因此存在三個矩陣數據。設定卷積窗的大小和步長後，可使用卷積窗對原始數據經行處理。（圖1中卷積窗大小為3*3，步長設定為2）卷積窗處理數據時，自左上角起，與卷積窗相同大小的原始數據中的子矩陣與卷積窗中的權重對應位置數據相乘後求和，得到處理後數據矩陣的第一個元素。卷積窗向右移動一個步長單位後，重複上述操作得到處理後數據矩陣的第二個元素。卷積窗移動一個步長單位後如圖2所示。

圖1

圖2

傳統的神經網路在處理數據量較大，學習深度較深的情況下，由於需要確定的權重值數量巨大，造成了計算機處理的難度較大。同時，傳統的神經網路在處理圖像識別問題時，容易出現過擬合現象。卷積神經網路通過卷積窗對數據進行處理，卷積窗移動處理數據的過程中，權重不發生變化，即一個神經元只在一個維度觀測圖像的特徵。這種處理方式大大簡化了處理難度，同時很大程度上降低了過擬合發生的可能性。