1.如何理解卷积?
注来源:【小动画】彻底了解卷积的由来【超图】卷小元老师
1.1 角度一(概率统计)
概率卷积提供了一种概率密度函数方法来获得随机变量的总和。卷积是一种运算,在概率上用表示。
以两个随机变量为例
通过卷积得到两个独立随机变量和随机变量的概率密度函数,得到随机变量之和的概率密度函数
假设第一行为某人数学考试的可能得分、第二行为某人英语考试的可能得分【假设满分20】
获得每个分数的概率为,此人两科总分为35分的概率是多少?
为了方便上下线很好的对应,我们把上面的线翻转过来
如果上面两行数据放在坐标轴上,下图中的斜线都是两个变量之和的情况
1.2 角度二(信号处理)
引用自:最容易理解的对卷积(convolution)的解释
巴掌过程中的某个时刻,你脸上的包鼓鼓程度与你之前的每一个巴掌都有关系!但是,每次的贡献是不同的。 slap越早,贡献越小,也就是说,某一时刻的输出是前一个输入乘以各自衰减系数的叠加,形成某一点的输出。 ,然后把不同时刻的输出点放在一起,形成一个函数,就是卷积
f(a)就是第a个巴掌,g(x-a)就是第a个巴掌在x时刻的作用程度,乘起来再叠加就是卷积,卷积之后的函数就是你脸上的包,其大小随时间变化的函数
截图来源:【小动画】彻底了解卷积的由来【超图】卷小元老师
【注:信号和系统我没学过,只是简单的应用,概念应用不一定正确】
我们设输入信号的函数为,信号衰减系数的函数为
则第9s时信号有多少?【0-9s期间不断有信号输入,期间也有信号衰减】
为了方便信号与其衰减系数的对应关系,我们翻转信号函数图
笔记来源:Convolution and Unit Impulse Response
左侧为单位脉冲输入,右侧为对应的单位脉冲响应
左边是多个单位脉冲的输入,右边是对应的单位脉冲响应。
假设我们想知道某个时刻的所有脉冲(红色箭头),然后从红色箭头“截断”
“截断”的情况
红色矩形的面积是当前时刻的总脉冲输出
1.3 角度三(图像处理)
图片来源:数字图像处理:了解卷积(过滤)、卷积核和相关参考资料
图像处理中的卷积运算规则如下:
截图来源:Convolutions in image processing | Week 1 | MIT 18.S191 Fall 2020 | Grant Sanderson
移动核是卷积核。在这个例子中,左边的图像在卷积操作后变得模糊。
版权声明:本文为博主Uncertainty!!原创文章,版权归属原作者,如果侵权,请联系我们删除!
原文链接:https://blog.csdn.net/weixin_48524215/article/details/122992828