卷积核沿图像边缘操作时，卷积核窗口有可能超出图像边界，Conv2D 方法中参数 padding=“same” 意为图像边界外不允许填充值，也就是不允许卷积窗口超出图像范围计算。
举一反三
- 卷积核沿图像边缘操作时，卷积核窗口有可能超出图像边界，Conv2D 方法中参数 padding=“valid” 意为允许在图像边界外填充0值像素，以便卷积窗口超出图像部分也能进行卷积计算。。
- 下列关于图像卷积运算的说法，错误的是______。 A: 卷积运算使用卷积核与每点周围像素的灰度值加权求和来调整该点的灰度值 B: 若在图像边界不填充数字，卷积后的图像与原图像大小相同 C: 卷积核一次移动的像素数称为步长 D: 图像卷积运算的结果在计算机中以矩阵形式保存
- 假设输入图像矩阵为X，卷积核为K。使用same卷积方式进行卷积运算，其移动步长为2，计算卷积结果。[img=555x167]17e449c035bfc68.png[/img]
- 卷积滤波是通过消除特定的空间频率来增强图像，其核心是卷积核。卷积核以来表示
- 下面关于CNN的描述中，错误的是哪些？ A: 局部感知使网络可以提取数据的局部特征，而权值共享大大增加了网络的训练难度 B: 通道数量越多，获得的特征就越充分 C: 卷积是指对图像的窗口数据和卷积核做内积的操作，在训练过程中卷积核的大小和值不变 D: SAME填充和VALID填充的主要区别是前者向图像边缘添加0值，而后者可能对图像边缘的特征获取不足