A.Robert算子B.Sobel算子C.Prewitt算子D.Laplacian算子
A.圖像分類B.圖像復(fù)原C.畫面拼接D.目標(biāo)檢測
A.AlexNet 中用到了一些非常大的卷積核,比如11×11、5×5卷積核,卷積核越大,receptive field(感受野)越大,看到的圖片信息越多,因此獲得的特征越好,因此,卷積核應(yīng)該越大越好B.3×3卷積核被廣泛應(yīng)用在各種模型中C.多個小的卷積核疊加使用要遠(yuǎn)比一個大的卷積核單獨使用效果要好的多,在連通性不變的情況下,大大降低了參數(shù)個數(shù)和計算復(fù)雜度D.卷積核也不是越小越好,對于特別稀疏的數(shù)據(jù),當(dāng)使用比較小的卷積核的時候可能無法表示其特征,如果采用較大的卷積核則會導(dǎo)致復(fù)雜度極大的增加??偠灾?,我們應(yīng)該選擇多個相對小的卷積核來進(jìn)行卷積