左边是一个三通道的特征图，中间是用到的卷积核，右边是提取到的4幅特征。我们以3×3卷积为例，当然也有人用5×5、7×7、9×9。
普通卷积的过程是这样的：输入特征的每个channel分别和卷积核的每个channel中的权值参数做点乘，然后ADD、最后再Concat。
图中的参数量为：3×3×3×4 = 108
需要注意的是：
- 单个卷积核的通道数和输入特征的通道数相等。
- 每个卷积核只输出一个channel的特征，输出特征的总channel为卷积核的个数。
而深度可分离卷积是这样的ÿ
深度学习算法岗面试必备之深度可分离卷积
猜你喜欢
转载自blog.csdn.net/qq_42308217/article/details/123258612
今日推荐
周排行