当前位置：首页 > news >正文

从0开始深度学习（23）——图像卷积

news 2025/7/18 6:38:21

上节了解了卷积层的原理，本节以图像为例，介绍一下它的实际应用

1 互相关运算

严格来说，卷积层是个错误的叫法，因为它所表达的运算其实是互相关运算（cross-correlation）。

首先，我们暂时忽略通道（第三维）这一情况，看看如何处理二维图像数据和隐藏表示。输入的二维张量形状是 $\times 3$ ，卷积核的形状是 $2\times2$ ，计算如下图：
在这里插入图片描述在二维互相关运算中，卷积窗口从输入张量的左上角开始，从左到右、从上到下滑动。当卷积窗口滑动到新一个位置时，包含在该窗口中的部分张量与卷积核张量进行按元素相乘，计算步骤如下： $\begin{split}0\times0+1\times1+3\times2+4\times3=19,\\ 1\times0+2\times1+4\times2+5\times3=25,\\ 3\times0+4\times1+6\times2+7\times3=37,\\ 4\times0+5\times1+7\times2+8\times3=43.\end{split}$

输出大小等于输入大小 $n_h \times n_w$ 减去卷积核大小 $k_h \times k_w$ ，即： $(n_h-k_h+1) \times (n_w-k_w+1).$
下面是手动实现一个二维互相关运算：

import torch# x是输入张量，k是卷积核张量
def corr2d(x,k):# 确定输出张量的大小y=torch.zeros(x.shape[0]-k.shape[0]+1,x.shape[1]-k.shape[1]+1)for i in range(y.shape[0]):for j in range(y.shape[1]):y[i,j]=(x[i:i+k.shape[0],j:j+k.shape[1]]*k).sum()#X[i:i + h, j:j + w] 提取输入矩阵 X 中从位置 (i, j) 开始，大小与卷积核 K 相同的子区域。return yX = torch.tensor([[0.0, 1.0, 2.0], [3.0, 4.0, 5.0], [6.0, 7.0, 8.0]])
K = torch.tensor([[0.0, 1.0], [2.0, 3.0]])
corr2d(X, K)

运行结果：
在这里插入图片描述

2 卷积层

卷积层对输入和卷积核权重进行互相关运算，并在添加标量偏置之后产生输出。所以，卷积层中的两个被训练的参数是卷积核权重和标量偏置。

下面将基于上面定义的corr2d函数实现二维卷积层。在__init__构造函数中，将weight和bias声明为两个模型参数。前向传播函数调用corr2d函数并添加偏置。

class Conv2d(nn.Module):def __init__(self,kernel_size):super().__init__()self.weight=nn.Parameter(torch.rand(kernel_size))self.bias=nn.Parameter(torch.zeros(1))def forward(self,x):return corr2d(x,self.weight)+self.bias# 对输入和卷积核权重进行互相关运算，并在添加标量偏置之后产生输出

3 图像中目标的边缘检测

如下是卷积层的一个简单应用：通过找到像素变化的位置，来检测图像中不同颜色的边缘。首先，我们构造一个 $6\times8$ 像素的黑白图像:

import matplotlib.pyplot as plt
X = torch.ones((6, 8))
X[:, 2:6] = 0
print(X)

在这里插入图片描述
可视化一下是下面这样：

接下来我们构造一个 $1\times2$ 的卷积核 $k$ ，数值为 $[1.0, - 1.0]$ ，观察矩阵可知，当进行互相关运算时：

如果水平相邻的元素相同，则输出为零
如果水平相邻的元素不同，则输出为非零

现在进行运算：

K = torch.tensor([[1.0, -1.0]])
Y = corr2d(X, K)
Y

运行结果：
在这里插入图片描述
结果分析： 输出Y中的1代表从白色到黑色的边缘，-1代表从黑色到白色的边缘，其他情况的输出为0

但是如果我们把输入的二维图像转置，再进行互相关运算，输出如下：

corr2d(X.t(), K)

运行结果：
在这里插入图片描述
说明该卷积核只能检测垂直边缘，无法检测水平边缘

4 卷积核

上述检测黑白边缘的例子中，我么使用的是 $[1, - 1]$ 的卷积核，但是面对更加复杂，或者连续的卷积层时，手动设计卷积核不现实，所以我们希望通过计算梯度来自动更新卷积核。

下面我们将使用内置的卷积层，并暂时忽略偏置，这里补充一点nn.Conv2d的输入格式和输出格式都是 $（批量大小、通道、高度、宽度）$ ：

# 构造一个二维卷积层，它具有1个输出通道和形状为（1，2）的卷积核
conv2d = nn.Conv2d(1,1, kernel_size=(1, 2), bias=False)# 其中批量大小和通道数都为1
X = X.reshape((1, 1, 6, 8))
Y = Y.reshape((1, 1, 6, 7))
lr = 0.001  # 学习率for i in range(400):Y_hat = conv2d(X)l = (Y_hat - Y) ** 2conv2d.zero_grad()l.sum().backward()# 迭代卷积核conv2d.weight.data[:] -= lr * conv2d.weight.gradif (i + 1) % 100 == 0:print(f'epoch {i+1}, loss {l.sum():.3f}')conv2d.weight.data.reshape((1, 2))# 输出卷积核的权重张量