正確使用numpy的卷積與圖像

Question

我正在CNN上觀看Andrew Ng的視頻，並希望將3 x 3濾鏡的6 x 6圖像卷積。 我用numpy進行處理的方式如下：

image = np.ones((6,6))
filter = np.ones((3,3))

convolved = np.convolve(image, filter)

運行此命令將顯示錯誤消息：

ValueError: object too deep for desired array

我可以從volve的numpy文檔中了解如何正確使用convolve方法。

另外，有沒有辦法用numpy進行大步卷積？

Answer 1

不幸的是， np.convolve函數僅適用於一維卷積。 這就是為什么您會得到一個錯誤； 您需要一個可以執行二維卷積的函數。

但是 ，即使它確實起作用，您實際上也會執行錯誤的操作。 機器學習中所謂的卷積在數學上更恰當地稱為互相關 。 它們實際上幾乎是相同的。 卷積涉及翻轉濾波器矩陣，然后執行互相關。

要解決您的問題，您可以查看scipy.signal.correlate （同樣，不要使用filter作為名稱，因為您將scipy.signal.correlate內置函數）：

from scipy.signal import correlate

image = np.ones((6, 6))
f = np.ones((3, 3))

correlate(image, f)

輸出：

array([[1., 2., 3., 3., 3., 3., 2., 1.],
       [2., 4., 6., 6., 6., 6., 4., 2.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [2., 4., 6., 6., 6., 6., 4., 2.],
       [1., 2., 3., 3., 3., 3., 2., 1.]])

這是完全互相關的標准設置。 如果要刪除依賴零填充的元素，請通過mode='valid' ：

from scipy.signal import correlate

image = np.ones((6, 6))
f = np.ones((3, 3))

correlate(image, f, mode='valid')

輸出：

array([[9., 9., 9., 9.],
       [9., 9., 9., 9.],
       [9., 9., 9., 9.],
       [9., 9., 9., 9.]])