前言
在做圖像特徵提取中,常常出現 feature map這一名詞,之間一直理解爲是從image中提取出的特徵,最近才發現之一理解並不準確
Feature Map
如何理解呢
簡單講,在CNN的卷積過程中,卷積層是一個由三維的數據結構所組成的。所謂Feature Map,可以理解成一些平面圖片(二維),通過堆疊,形成了三維的卷積層
如圖,這是一個CNN中的卷積層,其中,有6個feature map,每個feature map的大小是28×28
又如,我們的彩色照片,就是有着3個Feature Map組成的(RGB);而灰度照片則只有2個Feature Map
如何得到Feature Map呢
在卷積的過程中,每個卷積層的Feature Map和Kernel進行矩陣乘積操作,得到下一個卷積層的若干Feature Map,而這個若干則取決於卷積核的數量,只要有N個卷積核,就會在下一層產生N個Feature Map