我正在学习 U-NET 网络如何进行语义分割。
我想我已经了解了除功能之外的所有内容。这些图像特征是什么？
我读到卷积层使用它们的过滤器从图像中提取特征，但它们是什么？他们是角落吗？边缘？颜色？
我已经阅读了这篇文章“寻找特征”，但我想我需要更多关于它们的信息。
计算机视觉有哪些特点？
数据挖掘
深度学习
计算机视觉
卷积
图像分割
2022-03-02 15:52:46
2个回答
像 U-Net 这样的 CNN 提取较低级别的特征，例如较低层（即第一个卷积层）上的边缘和较高层（即更接近最终线性层的卷积层）上的高级特征。这一原则的灵感来自于人类（和其他动物）的视觉皮层是如何实现视觉感知的。
例如，在 CNN 中，特征图可能如下所示：
如您所见，较低级别的特征图检测边缘等简单结构，而较高级别的特征图识别眼睛或面部等更复杂的结构。
然而，CNN 对颜色的处理与空间特征的处理方式不同，因为彩色图像通常使用三个输入通道（一个用于RGB 格式的每种颜色）馈送到 CNN。所以颜色的检测方式与空间特征不同，而是第一个卷积层接收一个 3 维输入图像，每个颜色分量都有一个维度（一个用于红色，一个用于绿色，一个用于蓝色）。
文章CNN 到底看到了什么？和论文Visualizing and Understanding Convolutional Networks（也是上述图像的来源）提供了更详细的解释。
除了前面的答案，我还要补充一点，许多卷积神经网络架构（不仅是卷积神经网络！）是数据点从输入空间到目标空间的有效收缩映射（例如，MNIST 中的 10 个，ImageNet 中的 1000 个）。
这个想法是将图像的空间信息（很难使用线性层进行分类）转换为通道（即特征），以使后一种表示是“好”的。太好了，即使是几个简单的密集层也足以解决下游任务。