Question

Bellow是Keras文档中的一段示例代码。看起来第一个卷积接受具有3个颜色通道的256x256图像。它有64个输出过滤器（我认为这些与我在其他地方读过的功能图相同，有人可以为我确认这个）。令我困惑的是输出大小是（None，64,256,256）。我希望它是（无，64 * 3,256,256），因为它需要为每个颜色通道进行卷积。我想知道的是Keras如何处理颜色通道。在通过卷积之前，这些值是否一起平均（转换为灰度）？

   # apply a 3x3 convolution with 64 output filters on a 256x256 image:
model = Sequential()
model.add(Convolution2D(64, 3, 3, border_mode='same', input_shape=(3, 256, 256)))
# now model.output_shape == (None, 64, 256, 256)

# add a 3x3 convolution on top, with 32 output filters:
model.add(Convolution2D(32, 3, 3, border_mode='same'))
# now model.output_shape == (None, 32, 256, 256)

Answer 1

尺寸为3 * 3且具有3个输入通道的滤波器由3 * 3 * 3个参数组成，因此每个通道的卷积核的权重是不同的。

它总结了每个通道的卷积结果（可能与偏置项一起）以获得输出。所以输出形状与输入通道的数量无关，例如（无，64,256,256），而不是（无，64 * 3,256,256）。

我不是100％肯定，但我认为功能图是指将一个这样的过滤器应用于输入的输出（例如256 * 256矩阵）。

Keras卷积层与颜色通道有什么关系？

1 个答案: